模拟 Beta 先验
假设您正在参加一场公职选举。设 \(p\) 为您的基础支持率，即计划投票给您的选民比例。基于以往民调，您对 \(p\) 的先验模型为形状参数为 45 和 55 的 Beta 分布。
您将使用 rbeta() 函数的随机样本来近似 Beta(45, 55) 先验。该函数需要 3 个参数：样本量（n）以及两个"形状"参数（shape1、shape2）。随后，您将使用 ggplot() 构建这些样本的核密度图。该函数需要两个参数：包含样本的数据集，以及在 aes() 中指定绘制在 x 轴上的变量。使用 geom_density() 添加密度图图层。
本练习是课程的一部分
使用 RJAGS 的贝叶斯建模
练习说明
- 使用
rbeta()从 Beta(45, 55) 中抽取 10,000 个样本。将输出保存为prior_A。 prior_sim数据框已包含prior_A样本。对prior_sim调用ggplot()，绘制先验样本的密度图。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Sample 10000 draws from Beta(45,55) prior
prior_A <- rbeta(n = ___, shape1 = ___, shape2 = ___)
# Store the results in a data frame
prior_sim <- data.frame(prior_A)
# Construct a density plot of the prior sample
ggplot(prior_sim, aes(x = ___)) +
geom_density()