R 关节后分布等高线图 < >我们考虑吉尔克里斯特(1984)收集的模型数据集,其中在沙丘上设置了一系列的33个昆虫陷阱和DI的数量。↵记录了在固定时间内捕获的不同昆虫。陷阱中捕获的Staphylinoidea分类群昆虫数量如下所示(数据1):
问题: 生成关节后验分布的等高线图,供您选择至少三个级别 我们将使用双参数泊松/伽马密度函数对数据进行建模,这通常适用于观察到的计数显示出比泊松模型下预测的更大的离散度。对于参数a>0,b>0,我们有 我们将使用与1/(ab)^2成比例的非信息性先验知识 然后我们得到后验密度 这是我的代码模板,但我不知道从哪里开始?我不需要精确的代码,但需要解决问题的思路R 关节后分布等高线图 < >我们考虑吉尔克里斯特(1984)收集的模型数据集,其中在沙丘上设置了一系列的33个昆虫陷阱和DI的数量。↵记录了在固定时间内捕获的不同昆虫。陷阱中捕获的Staphylinoidea分类群昆虫数量如下所示(数据1):,r,bayesian,R,Bayesian,问题: 生成关节后验分布的等高线图,供您选择至少三个级别 我们将使用双参数泊松/伽马密度函数对数据进行建模,这通常适用于观察到的计数显示出比泊松模型下预测的更大的离散度。对于参数a>0,b>0,我们有 我们将使用与1/(ab)^2成比例的非信息性先验知识 然后我们得到后验密度 这是我的代码模板,但我不知道从哪里开始?我不需要精确的代码,但需要解决问题的思路 logpost <- function(theta,y){ a <- theta[1]; b <- theta[2]
logpost <- function(theta,y){ a <- theta[1]; b <- theta[2]
retval <- [Log of prior]
for (i in 1:length(y)){
retval <- retval + [Log of p(y[i]|a,b)]
}
return(retval) }
mycontour(logpost,c(MIN_A,MAX_A,MIN_B,MAX_B),data1)
logpost你能不能再多给我们一点继续?“我不知道从哪里开始”有点像“请帮我做作业”。你能向你的导师或助教寻求帮助吗?这与你今天早些时候发布的问题有什么不同?该问题因不集中和不清楚而被关闭?回顾一下关于的指南,你能给我们提供更多的信息吗?“我不知道从哪里开始”有点像“请帮我做作业”。你能向你的导师或助教寻求帮助吗?这与你今天早些时候发布的问题有什么不同?该问题因不集中和不清楚而被关闭?回顾一下关于和的指南
logpost <- function(theta,y){ a <- theta[1]; b <- theta[2]
retval <- [Log of prior]
for (i in 1:length(y)){
retval <- retval + [Log of p(y[i]|a,b)]
}
return(retval) }
mycontour(logpost,c(MIN_A,MAX_A,MIN_B,MAX_B),data1)