Apa saja isi Model Bayesian?

Pemodelan Regresi Bayesian dengan rstanarm

Jake Thompson

Psychometrician, ATLAS, University of Kansas

Distribusi posterior

  • Distribusi posterior diambil dalam grup bernama chain
  • Tiap sampel dalam sebuah chain adalah iteration
Pemodelan Regresi Bayesian dengan rstanarm

Pemodelan Regresi Bayesian dengan rstanarm

Pemodelan Regresi Bayesian dengan rstanarm

Mengubah jumlah dan panjang chain

stan_model <- stan_glm(kid_score ~ mom_iq, data = kidiq,
  chains = 3, iter = 1000, warmup = 500)
Pemodelan Regresi Bayesian dengan rstanarm
summary(stan_model)
Info Model:

 function:     stan_glm
 family:       gaussian [identity]
 formula:      kid_score ~ mom_iq
 algorithm:    sampling
 priors:       see help('prior_summary')
 sample:       1500 (ukuran sampel posterior)
 observations: 434
 predictors:   2

Estimasi:
                mean    sd      2.5%    25%     50%     75%     97.5%
(Intercept)      25.8     6.0    14.1    21.7    25.6    29.9    37.5
mom_iq            0.6     0.1     0.5     0.6     0.6     0.7     0.7
sigma            18.3     0.6    17.2    17.9    18.3    18.7    19.6
mean_PPD         86.9     1.3    84.5    86.0    86.9    87.7    89.2
log-posterior -1885.4     1.2 -1888.4 -1885.9 -1885.1 -1884.5 -1884.0

Diagnostik:
              mcse Rhat n_eff
(Intercept)   0.2  1.0  1500 
mom_iq        0.0  1.0  1500 
sigma         0.0  1.0  1500 
mean_PPD      0.0  1.0  1500 
log-posterior 0.0  1.0   619 

Untuk tiap parameter, mcse adalah galat baku Monte Carlo, n_eff adalah perkiraan ukuran sampel efektif, dan Rhat adalah faktor reduksi skala potensial pada chain terpisah (saat konvergen Rhat=1).
Pemodelan Regresi Bayesian dengan rstanarm

Pemodelan Regresi Bayesian dengan rstanarm

Berapa banyak iteration?

  • Iteration lebih sedikit = waktu estimasi lebih singkat
  • Iteration kurang = masalah konvergensi
Pemodelan Regresi Bayesian dengan rstanarm

Ayo berlatih!

Pemodelan Regresi Bayesian dengan rstanarm

Preparing Video For Download...