Симуляція в RJAGS для багатоваріантної регресії

Розгляньте байєсівську модель для обсягу \(Y\)_i за статусом дня тижня \(X\)_i і температурою \(Z\)_i:

• правдоподібність: \(Y\)_i \(\sim N(m\)_i, \(s^2)\), де \(m\)_i \(= a + b X\)_i \(+ c Z\)_i .
• апріорні розподіли: \(a \sim N(0, 200^2)\), \(b \sim N(0, 200^2)\), \(c \sim N(0, 20^2)\), \(s \sim Unif(0, 200)\)

Ваше попереднє дослідження взаємозв'язку між volume, weekday і hightemp у даних RailTrail дало певне розуміння цієї залежності. Ви поєднаєте це з інформацією з апріорів, щоб побудувати апостеріорну модель цієї залежності в RJAGS. Дані RailTrail є у вашому робочому середовищі.