4.2 .The inla function( 三 ) _精度

[1] 0.05
α的概率低于0.05分位数的图可以创建如下(图4.2):
ggplot(data.frame(inla.smarginal(alpha)), aes(x, y)) +geom_line() + geom_area(data = http://www.kingceram.com/post/subset(data.frame(inla.smarginal(alpha)),x < quant),fill ="black") + theme_bw()
函数inla.()计算特定值处的密度。例如，-2.5处的密度可以计算如下(图4.3):
inla.dmarginal(-2.5, alpha)
[1] 2.989
ggplot(data.frame(inla.smarginal(alpha)), aes(x, y)) +geom_line() +geom_vline(xintercept = -2.5, linetype = "dashed") +theme_bw()
如果我们想要得到边际的变换，我们可以用 inla.() 。例如，如果我们希望得到随机效应u i的方差，我们可以得到精度τ的边际，然后应用逆函数。
marg.variance <- inla.tmarginal(function(x) 1/x, res$marginals.hyperpar$"Precision for hospital")
随机效应u i的方差的后验图如图4.4所示。
ggplot(data.frame(inla.smarginal(marg.variance)), aes(x, y)) +geom_line() + theme_bw()
现在，如果我们想要得到方差的平均后验，我们可以使用inla. () 。
m <- inla.emarginal(function(x) x, marg.variance) m
[1] 0.1465
我们也可以使用inla.()来获取边际的汇总统计信息。
inla.zmarginal(marg.variance)
还有几个图和绘图函数未翻译。