r - 贝叶斯线性回归模型预测的置信区间

Question

我在看 an excellent post on Bayesian Linear Regression (MHadaptive)

给出输出
后可信区间

BCI(mcmc_r)
#              0.025       0.975
# slope       -5.3345970   6.841016
# intercept    0.4216079   1.690075
# epsilon      3.8863393   6.660037

我现在使用什么函数来根据这些参数构建具有置信区间的模型？

Answer 1

为什么不使用您从 MCMC 获得的分布来预测 y 的分布？从任何一点 x ?在您使用的示例中，以下是相关部分，其中 eggmass = y 和 length = x

##@  3.1  @##

## Function to compute predictions from the posterior
## distribution of the salmon regression model
predict_eggmass<-function(pars,length)
{
    a <- pars[, 1]      #intercept
    b <- pars[, 2]      #slope
    sigma <- pars[, 3]  #error    
    pred_mass <- a + b * length 
    pred_mass <- rnorm(length(a), pred_mass, sigma)
    return(pred_mass)
}

###  --  ###
##@  3.2  @##

## generate prediction
pred_length <- 80     # predict for an 80cm individual
pred <- predict_eggmass(mcmc_salmon$trace, length=pred_length)
## Plot prediction distribution
hist(pred, breaks=30, main='', probability=TRUE)

## What is the 95% BCI of the prediction?
pred_BCI <- quantile(pred, p=c(0.025, 0.975))
    2.5%    97.5% 
33.61029 43.16795

我认为您在评论中提到的发行版可在此处获得，名称为 pred置信区间为 pred_BCI .