data(mtcars)
library(tidyverse)
library(rstanarm)
library(easystats)
mtcars-post3
bayes
regression
post
exam-22
qm2
qm2-pruefung
Aufgabe
Im Datensatz mtcars
: Wie groß ist die Wahrscheinlichkeit, dass der Effekt der UV vs
auf die AV mpg
positiv ist? Berechnen Sie das dazu passende Modell mit Methoden der Bayes-Statistik.
Wählen Sie die am besten passende Option:
Answerlist
- .42
- .73
- .23
- 1
- 0
Lösung
Setup:
Modell berechnen:
<- stan_glm(mpg ~ vs, data = mtcars,
m1 seed = 42,
refresh = 0)
Die Statistik pd
gibt uns den gesuchten Wert, die “Effektwahrscheinlichkeit”:
<- parameters(m1)
post_m1_vs post_m1_vs
Parameter | Median | 95% CI | pd | Rhat | ESS | Prior
----------------------------------------------------------------------------------------
(Intercept) | 16.63 | [14.47, 18.88] | 100% | 1.000 | 3894.00 | Normal (20.09 +- 15.07)
vs | 7.91 | [ 4.60, 11.26] | 100% | 1.000 | 3797.00 | Normal (0.00 +- 29.89)
Weitere Information zu pd
findet sich z.B. hier.
Wir könnten auch von Hand die Postverteilungs-Stichproben filtern und dann die Anzahl der Stichproben zählen, die diese Bedingung (vs>0) erfüllt:
%>%
m1 as_tibble() %>%
count(vs > 0)
# A tibble: 1 × 2
`vs > 0` n
<lgl> <int>
1 TRUE 4000
Das sind alle (4000 von 4000), also 100%.
Die Antwort für lautet also 1.
Answerlist
- Falsch
- Falsch
- Falsch
- Wahr
- Falsch
Categories:
- bayes
- regression
- post
- exam-22