近似概似函式
第一份選前民調出爐了！\(X\) = 10 位受訪者中有 6 位打算投給你。你可以用這些資料來推進對潛在支持度 \(p\) 的理解。為此，你將使用工作區中的 likelihood_sim 資料框。它包含在 0 到 1 之間的 1,000 個可能 \(p\) 值（p_grid），以及從每個 \(p\) 模擬得到的 \(X\) 值（poll_result）。
本練習屬於課程
使用 RJAGS 的貝氏建模
練習說明
這裡的 ggplot() 會繪出用來產生每個可能 \(X\) 結果的 \(p\) 分佈。請修改此程式碼，加入一個 fill 條件，將對應到「你」的觀察值 poll_result、也就是 \(X=6\) 的分佈高亮顯示。這能幫助你判斷哪些 \(p\) 值與你觀察到的民調資料最「相容」！
注意：不要把這個條件包在括號 () 裡。
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。
# Density plots of p_grid grouped by poll_result
ggplot(likelihood_sim, aes(x = p_grid, y = poll_result, group = poll_result, fill = ___)) +
geom_density_ridges()