Bắt đầu ngayBắt đầu miễn phí

Mô phỏng RJAGS với biến phân loại

Xét mô hình hồi quy Normal cho lưu lượng \(Y\)i theo trạng thái ngày trong tuần \(X\)i:

  • khả năng xảy ra (likelihood): \(Y\)i \(\sim N(m\)i, \(s^2)\) với \(m\)i \(= a + b X\)i
  • prior: \(a \sim N(400, 100^2)\), \(b \sim N(0, 200^2)\), \(s \sim Unif(0, 200)\)

Bạn đã khám phá mối quan hệ giữa \(Y\)i và \(X\)i cho 90 ngày được ghi nhận trong RailTrail (trong workspace của bạn). Dựa trên dữ liệu này và các prior ở trên, bạn sẽ cập nhật mô hình posterior cho mối quan hệ này. Điểm khác so với các phân tích trước là \(X\)i là biến phân loại. Trong cú pháp rjags, hệ số của nó \(b\) được xác định bởi hai phần tử, b[1] và b[2], lần lượt tương ứng với hai mức cuối tuần và ngày thường. Tham chiếu: b[1] được đặt bằng 0. Ngược lại, b[2] được mô hình hóa theo prior của \(b\).

Bài tập này là một phần của khóa học

Mô hình hóa Bayesian với RJAGS

Xem khóa học

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# DEFINE the model    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"
Chỉnh sửa và Chạy Mã