用 RJAGS 進行 Poisson 迴歸模擬

在前一支影片中，我們建立了以是否為平日的狀態 \(X\)_i 與溫度 \(Z\)_i 來解釋流量 \(Y\)_i 的 Poisson 迴歸模型：

• 概似（likelihood）： \(Y\)_i \(\sim Pois(l\)_i)，其中 \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• 先驗（priors）： $a \sim N(0, 200^2)$、$b \sim N(0, 2^2)$、\(c \sim N(0, 2^2)\)

結合你從 RailTrail 觀測資料得到的洞見與上述先驗，將使用 RJAGS 定義、編譯並模擬此關係的後驗模型。為了在本課程最後一次 RJAGS 模擬中更具挑戰性，這次提供的程式碼會比平常更少！

RailTrail 資料已在你的工作環境中。