Il modello a priori

Modeling bayesiano con RJAGS

Alicia Johnson

Associate Professor, Macalester College

Obiettivi del corso

Esplora modelli bayesiani di base e generali (es.: Beta-Binomiale, Normale-Normale e regressione bayesiana)
Definisci, compila e simula modelli bayesiani con RJAGS
Conduci l'inferenza bayesiana a posteriori usando l'output di RJAGS

Elezioni bayesiane: Il prior

Elezioni bayesiane: Il prior

Elezioni bayesiane: Il prior

Elezioni bayesiane: I dati

Elezioni bayesiane: Il posteriore

Elezioni bayesiane: Nuovi dati

Elezioni bayesiane: Nuovo posteriore

Elezioni bayesiane: Dati più recenti

Elezioni bayesiane: Posteriore aggiornato

Pensiero bayesiano

Un modello bayesiano a posteriore:

Combina il prior e i dati osservati
Si aggiorna quando arrivano nuovi dati

Costruire un modello a priori

$p$ = quota che ti sostiene
$p$ è tra 0 e 1
Il prior per $p$ è una distribuzione Beta con parametri di forma 45 e 55

$$p \sim \text{Beta}(45, 55)$$

Regolare il prior

Esercitiamoci!

Modeling bayesiano con RJAGS

Preparing Video For Download...