У меня возникли проблемы с поиском учебника / примера этого, поэтому я хотел спросить: у меня есть переменная Xi, которая измеряется i раз, я хотел показать, что с каждым дополнительным измерением прогноз распределения X становится более точным. Конечно, я мог бы просто перезапустить модель с 1:2, 1:3, 1:4 и т. д. Но это утомительно. Я надеялся, что есть какое-то пошаговое кодирование, о котором я не знал.
#----------------------------------------------------------------------
#THE JAGS MODEL FOR X.
#----------------------------------------------------------------------
modelstring="
model {
#prior
#------------------------------------------------------------------------------
mu_x ~ dnorm(0,1E-12)
sd ~ dunif(0,50)
tau <- sd*sd
prec_x <- 1/tau
#LIKELIHOOD
#------------------------------------------------------------------------------
for (i in 1:total) {
x[i] ~ dnorm(mu_x,prec_x)
}
pred.x ~ dnorm(mu_x,prec_x)
}
"
Кто-нибудь знает способ указать модель для оценки pred.x в каждый момент времени на основе данных, доступных в этот момент?