1. Learn
    2. /
  2. Курси
    3. /
  3. Баєсівське моделювання з RJAGS
Connected

Вправа

Апостеріорні довірчі інтервали

Зосередьмося на параметрі нахилу \(b\) — темпі зміни ваги залежно від зросту. Апостеріорне середнє \(b\) відбиває загальну тенденцію в апостеріорній моделі нахилу. Натомість апостеріорний довірчий інтервал задає діапазон правдоподібних апостеріорних значень нахилу й таким чином показує апостеріорну невизначеність щодо \(b\). Наприклад, 95% довірчий інтервал для \(b\) простягається від 2,5-го до 97,5-го квантиля апостеріорного розподілу \(b\). Отже, існує 95% (апостеріорна) ймовірність, що \(b\) лежить у цьому діапазоні.

Ви використаєте вихідні дані симуляції RJAGS, щоб наблизити довірчі інтервали для \(b\). 100 000 ітераційна симуляція апостеріорного розподілу, weight_sim_big, уже є у вашому робочому середовищі разом із датафреймом виходу ланцюгів Маркова, weight_chains.

Інструкції

100 XP
  • Отримайте статистики summary() для ланцюгів weight_sim_big.
  • Апостеріорні квантілі 2.5% та 97.5% для \(b\) наведені в Таблиці 2 з summary(). Застосуйте quantile() до сирих даних weight_chains, щоб перевірити ці обчислення. Збережіть результат як ci_95 і виведіть його.
  • Аналогічно, використайте дані weight_chains, щоб побудувати 90% довірчий інтервал для \(b\). Збережіть його як ci_90 і виведіть.
  • Побудуйте графік щільності значень ланцюга \(b\). Накладіть вертикальні лінії, що позначають 90% довірчий інтервал для \(b\), використавши geom_vline() з xintercept = ci_90.