Mô phỏng RJAGS cho hồi quy đa biến

Xét mô hình Bayesian sau cho thể tích \(Y\)_i theo trạng thái ngày trong tuần \(X\)_i và nhiệt độ \(Z\)_i:

• khả năng xảy ra (likelihood): \(Y\)_i \(\sim N(m\)_i, \(s^2)\) với \(m\)_i \(= a + b X\)_i \(+ c Z\)_i.
• prior: \(a \sim N(0, 200^2)\), \(b \sim N(0, 200^2)\), \(c \sim N(0, 20^2)\), \(s \sim Unif(0, 200)\)

Phân tích trước đó của bạn về mối liên hệ giữa volume, weekday và hightemp trong dữ liệu RailTrail đã cung cấp một vài góc nhìn. Bạn sẽ kết hợp điều này với thông tin từ các prior để xây dựng mô hình hậu nghiệm (posterior) của mối quan hệ này bằng RJAGS. Dữ liệu RailTrail đã có trong không gian làm việc của bạn.