これのチュートリアル/例を見つけるのに苦労したので、質問したかったのです:i回測定される変数Xiがあります。追加の測定ごとに、Xの分布の予測がより厳密になることを示したかったのです。もちろん、モデルを 1:2 1:3 1:4 などで再実行し続けることもできますが、これは面倒です。私が気付いていなかった段階的なコーディングがいくつかあることを望んでいました。
#----------------------------------------------------------------------
#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)
}
"
その時点で利用可能なデータに基づいて、各時点で pred.x を推定するモデルを指定する方法を知っている人はいますか?