দুটি অ্যারে x এবং y দেওয়া, উভয় দৈর্ঘ্যের n, আমি একটি মডেল y = a + b * x ফিট করি এবং opeালের জন্য 95% আত্মবিশ্বাসের ব্যবধান গণনা করতে চাই। এটি (খ - ডেল্টা, বি + ডেল্টা) যেখানে খ সাধারণভাবে পাওয়া যায় এবং
delta = qt(0.975,df=n-2)*se.slope
এবং se.slope হ'ল errorালুতে প্রমিত ত্রুটি। আর এর থেকে slালের স্ট্যান্ডার্ড ত্রুটি পাওয়ার একটি উপায় summary(lm(y~x))$coef[2,2]
।
এখন ধরুন আমি x এবং y প্রদত্ত opeালের সম্ভাবনাটি লিখি, এটি একটি "ফ্ল্যাট" পূর্বে গুণ করে এবং উত্তরোত্তর ডিস্ট্রিবিউশন থেকে একটি নমুনা মি আঁকার জন্য এমসিসিএম কৌশল ব্যবহার করি । নির্ধারণ করা
lims = quantile(m,c(0.025,0.975))
আমার প্রশ্ন: (lims[[2]]-lims[[1]])/2
উপরে বর্ণিত হিসাবে ডেল্টা প্রায় সমান?
সংযোজন নীচে একটি সহজ Jags মডেল যেখানে এই দুটি ভিন্ন হবে বলে মনে হচ্ছে হয়।
model {
for (i in 1:N) {
y[i] ~ dnorm(mu[i], tau)
mu[i] <- a + b * x[i]
}
a ~ dnorm(0, .00001)
b ~ dnorm(0, .00001)
tau <- pow(sigma, -2)
sigma ~ dunif(0, 100)
}
আমি আর এ নিম্নলিখিত চালাতে:
N <- 10
x <- 1:10
y <- c(30.5,40.6,20.5,59.1,52.5,
96.0,121.4,78.9,112.1,128.4)
lin <- lm(y~x)
#Calculate delta for a 95% confidence interval on the slope
delta.lm <- qt(0.975,df=N-2)*summary(lin)$coef[2,2]
library('rjags')
jags <- jags.model('example.bug', data = list('x' = x,'y' = y,'N' = N),
n.chains = 4,n.adapt = 100)
update(jags, 1000)
params <- jags.samples(jags,c('a', 'b', 'sigma'),7500)
lims <- quantile(params$b,c(0.025,0.975))
delta.bayes <- (lims[[2]]-lims[[1]])/2
cat("Classical confidence region: +/-",round(delta.lm, digits=4),"\n")
cat("Bayesian confidence region: +/-",round(delta.bayes,digits=4),"\n")
এবং পেতে:
ধ্রুপদী আত্মবিশ্বাসের অঞ্চল: +/- 4.6939
বয়েসিয়ান আত্মবিশ্বাসের অঞ্চল: +/- 5.1605
এই একাধিকবার পুনর্বারণে, বয়েসীয় আত্মবিশ্বাস অঞ্চলটি ধ্রুপদী শ্রেণির চেয়ে ধারাবাহিকভাবে বিস্তৃত। তাহলে আমি কি বেছে নিয়েছি প্রিন্সের কারণে?