多变量回归的后验推断

包含 10,000 次迭代的 RJAGS 模拟输出 rail_sim_2 已在您的工作区中，同时还有一个保存马尔可夫链输出的数据框：

> head(rail_chains_2, 2)
         a b.1.      b.2.        c         s
1 49.76954    0 -12.62112 4.999202 111.02247
2 30.22211    0  -3.16221 4.853491  98.11892

您将使用这 10,000 组参数值，来汇总 trail 的 volume、weekday 状态与 hightemp 之间关系的后验均值趋势。

本练习是课程的一部分

使用 RJAGS 的贝叶斯建模

查看课程

练习说明

绘制 hightemp 与 volume 的散点图。

使用 color 区分工作日与周末。
叠加一条 red 线，表示周末情形下 volume 与 hightemp 之间线性关系的后验均值趋势：m = a + c Z。
再叠加一条 turquoise3 线，表示工作日情形下 volume 与 hightemp 之间线性关系的后验均值趋势：m = (a + b.2.) + c Z。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Plot the posterior mean regression models
ggplot(___, aes(x = ___, y = ___, color = ___)) + 
    geom_point() + 
    geom_abline(intercept = mean(___), slope = mean(___), color = "red") + 
    geom_abline(intercept = mean(___) + mean(___), slope = mean(___), color = "turquoise3")

编辑并运行代码