A priori-modellen

Bayesiansk modellering med RJAGS

Alicia Johnson

Associate Professor, Macalester College

Kursmål

  • Utforska grundläggande, generaliserbara bayesianska modeller (t.ex. Beta-Binomial, Normal-Normal och bayesiansk regression)

  • Definiera, kompilera och simulera bayesianska modeller med RJAGS

  • Genomför bayesiansk posteriori-inferens med RJAGS-utdata

Bayesiansk modellering med RJAGS

Bayesianska val: A priori

Bayesiansk modellering med RJAGS

Bayesianska val: A priori

Bayesiansk modellering med RJAGS

Bayesianska val: A priori

Bayesiansk modellering med RJAGS

Bayesianska val: Data

Bayesiansk modellering med RJAGS

Bayesianska val: Posteriori

Bayesiansk modellering med RJAGS

Bayesianska val: Nya data

Bayesiansk modellering med RJAGS

Bayesianska val: Ny posteriori

Bayesiansk modellering med RJAGS

Bayesianska val: Ännu nyare data

Bayesiansk modellering med RJAGS

Bayesianska val: Ännu nyare posteriori

Bayesiansk modellering med RJAGS

Bayesianskt tänkande

En bayesiansk posteriori-modell:

  • Kombinerar information från priori-modellen och observerade data
  • Uppdateras när nya data tillkommer

Bayesiansk modellering med RJAGS

Bygg en priori-modell

  • $p$ = andelen som stöder dig
  • $p$ är mellan 0 och 1
  • Priori-modellen för $p$ är en betafördelning med formparametrarna 45 och 55

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

Bayesiansk modellering med RJAGS

Justera priori

Bayesiansk modellering med RJAGS

Nu kör vi en övning!

Bayesiansk modellering med RJAGS

Preparing Video For Download...