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

Вправа

Наївні стандартні похибки

Середнє значення ланцюга Маркова для \(m\) дає оцінку апостеріорного середнього для \(m\). Наївна стандартна похибка показує потенційну похибку цієї оцінки. Її можна використати, щоб визначити потрібну довжину ланцюга. Наприклад, припустімо, що ваша мета — оцінити апостеріорне середнє \(m\) зі стандартною похибкою 0.1 мс. Якщо спостережувана наївна стандартна похибка перевищує ціль, це не проблема. Просто запустіть довший ланцюг — похибка апроксимації апостеріорного розподілу ланцюгом Маркова зазвичай зменшується зі збільшенням довжини ланцюга.

Визначені sleep_model і скомпільований об'єкт sleep_jags — це ваш робочий простір.

Інструкції

100 XP

  • ПРОВЕДІТЬ СИМУЛЯЦІЮ 1 000 вибірок з апостеріорної моделі для \(m\) та \(s\). Збережіть їх у sleep_sim_1.

  • Отримайте summary() для ланцюгів sleep_sim_1.

  • Якщо наївна стандартна похибка ланцюга \(m\) перевищує ціль 0.1, відкоригуйте симуляцію: спробуйте використати або 500, або 10 000 вибірок (замість 1 000). Збережіть результати у sleep_sim_2.

  • Отримайте summary() для ланцюгів sleep_sim_2. Переконайтеся, що нова симуляція відповідає критерію. Якщо ні — поверніться до попереднього кроку й повторіть!