RJAGS में Bayesian रिग्रेशन

RJAGS के साथ Bayesian Modeling

Alicia Johnson

Associate Professor, Macalester College

Bayesian रिग्रेशन मॉडल

$Y_i$ = वयस्क $i$ का वज़न (kg)
$X_i$ = वयस्क $i$ की हाइट (cm)

$\;$

मॉडल

$Y_i \sim N(m_i, s^2)$
$m_i = a + b X_i$

$a \sim N(0, 200^2)$
$b \sim N(1, 0.5^2)$
$s \sim \text{Unif}(0, 20)$

Prior से सीख

देखे गए वज़न और हाइट डेटा से सीख

$Y_i \sim N(m_i, s^2)$
$m_i = a + b X_i$

wt_mod <- lm(wgt ~ hgt, bdims)
coef(wt_mod)

(Intercept)         hgt 
-105.011254    1.017617

summary(wt_mod)$sigma

9.30804

रिग्रेशन मॉडल DEFINE करें

weight_model <- "model{
    # Likelihood model for Y[i]





    # Prior models for a, b, s




}"

रिग्रेशन मॉडल DEFINE करें

weight_model <- "model{
    # Likelihood model for Y[i]
    for(i in 1:length(Y)) {


    }

    # Prior models for a, b, s




}"

$Y_i \sim N(m_i, s^2)$ जहाँ $i$ 1 से 507 तक है

रिग्रेशन मॉडल DEFINE करें

weight_model <- "model{
    # Likelihood model for Y[i]
    for(i in 1:length(Y)) {
      Y[i] ~ dnorm(m[i], s^(-2))

    }

    # Prior models for a, b, s




}"

$Y_i \sim N(m_i, s^2)$ जहाँ $i$ 1 से 507 तक है

रिग्रेशन मॉडल DEFINE करें

weight_model <- "model{
    # Likelihood model for Y[i]
    for(i in 1:length(Y)) {
      Y[i] ~ dnorm(m[i], s^(-2))
      m[i] <- a + b * X[i]
    }

    # Prior models for a, b, s




}"

$Y_i \sim N(m_i, s^2)$ जहाँ $i$ 1 से 507 तक है
$m_i = a + b X_i$
- नोट: ~ नहीं, <- इस्तेमाल करें

रिग्रेशन मॉडल DEFINE करें

weight_model <- "model{
    # Likelihood model for Y[i]
    for(i in 1:length(Y)) {
      Y[i] ~ dnorm(m[i], s^(-2))
      m[i] <- a + b * X[i]
    }

    # Prior models for a, b, s
    a ~ dnorm(0, 200^(-2))
    b ~ dnorm(1, 0.5^(-2))
    s ~ dunif(0, 20)

}"

$Y_i \sim N(m_i, s^2)$ जहाँ $i$ 1 से 507 तक है
$m_i = a + b X_i$
- नोट: ~ नहीं, <- इस्तेमाल करें
$a \sim N(0, 200^2)$
$b \sim N(1, 0.5^2)$
$s \sim \text{Unif}(0, 20)$

रिग्रेशन मॉडल COMPILE करें

# COMPILE the model    
weight_jags <- jags.model(textConnection(weight_model), 
    data = list(X = bdims$hgt, Y = bdims$wgt),
    inits = list(.RNG.name = "base::Wichmann-Hill", .RNG.seed = 2018))

dim(bdims)

507  25

head(bdims$hgt)

head(bdims$wgt)

174.0 175.3 193.5 186.5 187.2 181.5

65.6 71.8 80.7 72.6 78.8 74.8

रिग्रेशन मॉडल SIMULATE करें

# COMPILE the model    
weight_jags <- jags.model(textConnection(weight_model), 
    data = list(X = bdims$hgt, Y = bdims$wgt),
    inits = list(.RNG.name = "base::Wichmann-Hill", 
                 .RNG.seed = 2018))

# SIMULATE the posterior
weight_sim <- coda.samples(model = weight_jags, 
    variable.names = c("a", "b", "s"), 
    n.iter = 10000)

Markov chain अस्थिरता का समाधान

हाइट प्रेडिक्टर को स्टैंडर्डाइज़ करें (मीन घटाएँ और स्टैंडर्ड डिविएशन से भाग दें)
चेन की लंबाई बढ़ाएँ

Posterior से सीख

अभ्यास करते हैं!

RJAGS के साथ Bayesian Modeling