Інференція для обсягу за днями тижня

Результат моделювання RJAGS на 10 000 ітерацій, rail_sim_1, є у вашому робочому середовищі разом із датафреймом виходу ланцюгів Маркова:

> head(rail_chains_1, 2)
         a b.1.       b.2.        s 
1 420.6966    0  -54.30783 118.2328
2 399.5823    0  -52.02570 119.9499

Ці ланцюги надають 10 000 унікальних наборів значень для a, тобто типового обсягу користування доріжкою у дні вихідних, і для b.2., тобто контрасту між типовим обсягом у будні порівняно з вихідними. Наприклад, перший набір параметрів вказує, що у вихідні зазвичай 420.6966 користувачів, а в будні на 54.30783 менше. Отже, зазвичай у будні 420.6966 - 54.30783 = 366.3888 користувачів. Ви використаєте ці змодельовані дані, щоб зробити висновки щодо обсягу користування доріжкою у будні.

Ця вправа є частиною курсу

Баєсівське моделювання з RJAGS

Переглянути курс

Інструкції до вправи

Об'єднайте значення ланцюгів a та b.2. і побудуйте ланцюг з 10 000 значень для типового обсягу користування доріжкою у будні. Збережіть його як weekday_mean у rail_chains_1.
Використайте ggplot() для побудови графіка густини значень ланцюга weekday_mean.
Побудуйте 95% надійний інтервал для типового обсягу у будні.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>% 
    mutate(weekday_mean = ___)

# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) + 
    geom_density()

# 95% credible interval for typical weekday volume

Редагувати та запускати код