計算後驗預測
你剛剛探討了在身高 (X = 180) 的成人中，體重 (Y) 的後驗「趨勢」：(m{180} = a + b * 180)。weight_chains 資料框包含 100,000 組你以相對應的 (a) 與 (b) 計算出的 (m{180}) 的後驗合理值：
> head(weight_chains, 2)
a b s iter m_180
1 -113.9029 1.072505 8.772007 1 79.14803
2 -115.0644 1.077914 8.986393 2 78.96014
先別管趨勢——如果你想要「預測」某一位身高 180 公分成人的「特定」體重呢？當然可以！為此，你必須納入相對於趨勢的個體差異，其模型為：
(Y{180} \sim N(m{180}, s^2))
用這個模型，你將在 weight_chains 中，針對每一組後驗合理參數來模擬體重的預測值。
本練習屬於課程
使用 RJAGS 的貝氏建模
練習說明
- 使用
rnorm()，在weight_chains的第 1 列參數設定下，模擬一個體重預測值。 - 以上步驟再做一次，但改用
weight_chains的「第 2 列」參數設定。 - 在
weight_chains的 100,000 組參數設定下，各模擬一個體重預測值。將結果存成新的變數Y_180，放入weight_chains。 - 列印
weight_chains中前 6 列的參數值與預測值。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Simulate 1 prediction under the first parameter set
rnorm(n = 1, mean = ___, sd = ___)
# Simulate 1 prediction under the second parameter set
rnorm(n = 1, mean = ___, sd = ___)
# Simulate & store 1 prediction under each parameter set
weight_chains <- weight_chains %>%
mutate(Y_180 = rnorm(n = 100000, mean = ___, sd = ___))
# Print the first 6 parameter sets & predictions