RJAGS：含分类变量的模拟

考虑以工作日状态 $X$_i 预测流量 $Y$_i 的 Normal 回归模型：

似然： $Y$_i $\sim N(m$_i, $s^2)$，其中 $m$_i $= a + b X$_i
先验： $a \sim N(400, 100^2)$，$b \sim N(0, 200^2)$，$s \sim Unif(0, 200)$

您已在工作区中的 RailTrail 数据里，探索了 90 天内 $Y$_i 与 $X$_i 的关系。结合这些数据和上述先验，您将更新这一关系的后验模型。与之前的分析不同，$X$_i 是分类变量。在 rjags 语法中，其系数 $b$ 由两个元素 b[1] 和 b[2] 表示，分别对应周末与工作日两个水平。作为参考，b[1] 被设为 0。相比之下，b[2] 按 $b$ 的先验进行建模。

本练习是课程的一部分

使用 RJAGS 的贝叶斯建模

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# DEFINE the model    
rail_model_1 <- "model{
    # Likelihood model for Y[i]
    for(i in ___){
      Y[i] ~ ___
      m[i] <- ___
    }
    
    # Prior models for a, b, s
    a ~ ___
    b[1] <- ___
    b[2] ~ ___
    s ~ ___
}"

编辑并运行代码