Cập nhật hậu nghiệm
Mô hình hậu nghiệm cho mức ủng hộ bầu cử tiềm ẩn \(p\) được suy ra từ cả mô hình tiên nghiệm của \(p\) và dữ liệu thăm dò \(X\). Chạy script ở bên phải để ôn lại phân bố hậu nghiệm thu được từ tiên nghiệm ban đầu của bạn (Beta(45, 55)) và dữ liệu thăm dò ban đầu (\(X = 6\) trong số \(n = 10\) cử tri được hỏi ủng hộ bạn). vote_model đã được định nghĩa sẵn trong workspace của bạn.
Trong bài tập 3 bước, bạn sẽ khám phá cách việc dùng một mô hình tiên nghiệm khác hoặc quan sát dữ liệu mới (hoặc kết hợp cả hai!) có thể ảnh hưởng đến hậu nghiệm như thế nào.
Bài tập này là một phần của khóa học
Mô hình hóa Bayesian với RJAGS
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# COMPILE the model
vote_jags <- jags.model(textConnection(vote_model),
data = list(a = 45, b = 55, X = 6, n = 10),
inits = list(.RNG.name = "base::Wichmann-Hill", .RNG.seed = 100))
# SIMULATE the posterior
vote_sim <- coda.samples(model = vote_jags, variable.names = c("p"), n.iter = 10000)
# PLOT the posterior
plot(vote_sim, trace = FALSE, xlim = c(0,1), ylim = c(0,18))