data(mtcars)
library(tidyverse)
library(rstanarm)
library(easystats)
mtcars-post
bayes
post
estimation
exam-22
qm2
qm2-pruefung
Aufgabe
Im Datensatz mtcars
: Berichten Sie die Breite eines Schätzintervalls (89%, HDI) zum mittleren Spritverbrauch! Nutzen Sie Methoden der Bayes-Statistik.
Lösung
Setup:
Modell berechnen:
<- stan_glm(mpg ~ 1,
m1 data = mtcars,
seed = 42,
refresh = 0)
Modellparameter auslesen, wobei wir als CI-Methode ein HDI auswählen, und als CI-Größe 89%:
parameters(m1, ci = .89, ci_method = "hdi")
Parameter | Median | 89% CI | pd | Rhat | ESS | Prior
----------------------------------------------------------------------------------------
(Intercept) | 20.10 | [18.26, 21.64] | 100% | 1.001 | 2838.00 | Normal (20.09 +- 15.07)
Im Standard wird ein 95%-Perzentilintervall berechnet, s. die Dokumentation zur Funktion hier.
Die Lösung lautet also:
<- 21.64 - 18.26
solution solution
[1] 3.38
Categories:
- bayes
- post
- estimation
- exam-22