依星期的流量推論
10,000 次迭代的 RJAGS 模擬輸出 rail_sim_1 已在你的工作空間中，另有一個包含馬可夫鏈輸出的資料框：
> head(rail_chains_1, 2)
a b.1. b.2. s
1 420.6966 0 -54.30783 118.2328
2 399.5823 0 -52.02570 119.9499
這些鏈提供了 10,000 組 a 的唯一數值（週末天的典型步道流量），以及 b.2.（平日典型流量相對於週末流量的對比）。例如，第一組參數表示週末天通常有 420.6966 位騎乘者，而平日則少 54.30783 位。因此，平日通常有 420.6966 - 54.30783 = 366.3888 位騎乘者。你將利用這些模擬資料來對平日步道流量進行推論。
本練習屬於課程
使用 RJAGS 的貝氏建模
練習說明
- 將
a與b.2.的鏈值相加，建立一條含 10,000 個典型「平日」步道流量的鏈。將其存成rail_chains_1中的weekday_mean。 - 使用
ggplot()為weekday_mean的鏈值繪製密度圖。 - 建立典型平日步道流量的 95% 可信區間。
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。
# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>%
mutate(weekday_mean = ___)
# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) +
geom_density()
# 95% credible interval for typical weekday volume