RJAGS 多變量迴歸的模擬

考慮以下以星期幾狀態 \(X\)_i 與氣溫 \(Z\)_i 解釋交易量 \(Y\)_i 的貝葉斯模型：

• 似然（likelihood）： \(Y\)_i \(\sim N(m\)_i, $s^2)$，其中 \(m\)_i \(= a + b X\)_i \(+ c Z\)_i 。
• 先驗（priors）： $a \sim N(0, 200^2)$、$b \sim N(0, 200^2)$、$c \sim N(0, 20^2)$、\(s \sim Unif(0, 200)\)

你先前對 RailTrail 資料中的 volume、weekday 與 hightemp 關係做過探索，已對此關係有一些認識。現在你會把這些發現與先驗資訊結合，使用 RJAGS 建立此關係的「後驗」模型。RailTrail 資料已在你的工作空間中。