朴素标准误
\(m\) 的马尔可夫链的均值提供了 \(m\) 的后验均值的一个"估计"。朴素标准误用于衡量该估计中可能的"误差"。据此，我们可以据此确定合适的链长度。举例来说，假设您的"目标"是将 \(m\) 的后验均值估计到标准误 0.1 ms 以内。如果"观测到"的朴素标准误超过了该目标，也没关系！只需运行更长的链即可——用马尔可夫链近似后验的误差通常会随着链长度的增加而减小。
已定义的 sleep_model 和已编译的 sleep_jags 对象已为您准备好作为工作空间。
本练习是课程的一部分
使用 RJAGS 的贝叶斯建模
练习说明
"模拟"从 \(m\) 和 \(s\) 的后验模型中抽取 1,000 次。将结果存入
sleep_sim_1。获取
sleep_sim_1链的summary()。如果 \(m\) 链的朴素标准误超过 0.1 的目标，请调整您的模拟：尝试使用 500 次或 10,000 次抽样（替代 1,000 次）。将结果存入
sleep_sim_2。获取
sleep_sim_2链的summary()。确认新模拟满足该准则。若仍未满足，请返回上一步并重复！
交互式实操练习
通过完成这段示例代码来试试这个练习。
# SIMULATE the posterior
sleep_sim_1 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_1
# RE-SIMULATE the posterior
sleep_sim_2 <- coda.samples(model = ___, variable.names = c("m", "s"), n.iter = ___)
# Summarize the m and s chains of sleep_sim_2