用于 Poisson 回归的 RJAGS 模拟

在上一段视频中，我们基于工作日状态 \(X\)_i 和气温 \(Z\)_i 为流量 \(Y\)_i 构建了一个 Poisson 回归模型：

• 似然： \(Y\)_i \(\sim Pois(l\)_i)，其中 \(log(l\)_i\() = a + b X\)_i \(+ c Z\)_i
• 先验： $a \sim N(0, 200^2)$，$b \sim N(0, 2^2)$，\(c \sim N(0, 2^2)\)

结合您对观测到的 RailTrail 数据的认识和上述先验，您将使用 RJAGS 来定义、编译并模拟该关系的后验模型。为了在本课程的最后一次 RJAGS 模拟中给自己一些挑战，我们将提供比平时更少的辅助代码！

RailTrail 数据已在您的工作空间中。