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

Вправа

Моделювання залежності X від p

Під час передвиборчої кампанії ви опитуєте 10 імовірних виборців. Нехай \(X\) — це кількість тих, хто підтримує вас. Звісно, \(X\) змінюється від вибірки до вибірки та залежить від \(p\) — рівня вашої підтримки у ширшій популяції. Оскільки \(X\) — це підрахунок успіхів у 10 незалежних випробуваннях із імовірністю успіху \(p\) кожного разу, його залежність від \(p\) можна змоделювати біноміальним розподілом: Bin(10, \(p\)).

Ви змоделюєте біноміальну модель, згенерувавши випадкові значення за допомогою функції rbinom(n, size, prob). Ця векторизована функція вибирає n значень із розподілу Bin(size, prob). Якщо передати вектор значень prob, перше значення prob буде використане для першої вибірки, друге — для другої тощо.

Інструкції

100 XP
  • Визначте seq() із 1000 можливих значень \(p\) у діапазоні від 0 до 1. Збережіть це як p_grid.
  • Використайте rbinom() щоб змоделювати по одному результату опитування \(X\) для кожного з 1000 значень \(p\) у p_grid. Присвойте їх змінній poll_result.
  • Датафрейм likelihood_sim поєднує p_grid і poll_result. Використайте ggplot() із шаром geom_density_ridges(), щоб показати розподіл значень p_grid (вісь x), з яких було змодельовано кожен poll_result (вісь y).