按工作日推断客流量

10,000 次迭代的 RJAGS 模拟输出 rail_sim_1 已在您的工作区中，同时还有一个包含马尔可夫链输出的数据框：

> head(rail_chains_1, 2)
         a b.1.       b.2.        s 
1 420.6966    0  -54.30783 118.2328
2 399.5823    0  -52.02570 119.9499

这些链为 a（周末的典型步道客流量）和 b.2.（典型工作日客流量相对周末客流量的对比）提供了 10,000 组唯一取值。例如，第 1 组参数表示周末通常有 420.6966 名骑行者，而工作日通常少 54.30783 名。因此，工作日通常有 420.6966 - 54.30783 = 366.3888 名骑行者。您将使用这些模拟数据来对工作日步道客流量进行推断。

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

将链中的 a 与 b.2. 相加，构造典型「工作日」步道客流量的 10,000 个取值链。将其存为 rail_chains_1 中的 weekday_mean。
使用 ggplot() 对 weekday_mean 链的取值作密度图。
构造典型工作日步道客流量的 95% 置信区间（credible interval）。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Construct a chain of values for the typical weekday volume
rail_chains_1 <- rail_chains_1 %>% 
    mutate(weekday_mean = ___)

# Construct a density plot of the weekday chain
ggplot(___, aes(x = ___)) + 
    geom_density()

# 95% credible interval for typical weekday volume

编辑并运行代码