Dieses Tool zeigt dir die grafische Modellstruktur Bayesianischer Regressionsmodelle — live, interaktiv, in einfachen Beispielen:
· ○ offene Kreise = unbekannte Parameter, die Priors benötigen (α, β, σ)
· □ Rechteck = beobachtete Daten y
· • Punkt = deterministischer Knoten (μᵢ) — kein Prior, wird berechnet
· Pfeile zeigen die generative Richtung: Prior → Parameter → Daten
· Plates (gestrichelte Rahmen) markieren wiederholte Einheiten (i = 1…N Beobachtungen; j = 1…J Gruppen)
Im hierarchischen Modell erhält jede Gruppe j eine Abweichung vom globalen Intercept: u₀ⱼ ~ Normal(0, τ₀). τ₀ steuert das Ausmaß des Partial Pooling — kleines τ₀ = starke Shrinkage. Bei McElreath (Kap. 14, S. 441 ff.) heißt dieser Parameter σ_α. Random Slopes (u₁ⱼ ~ Normal(0, τ₁), entspricht McElreaths σ_β) sind hier exemplarisch nur für den ersten Prädiktor implementiert, zur Illustration des Diagramm-Prinzips.
Nur einfache Beispielmodelle: bis zu 4 Prädiktoren, eine Gruppenstruktur, 5 Likelihoods. Der Fokus liegt auf der Struktur, nicht auf dem vollen Modellumfang. Klicke auf jeden Knoten im Diagramm für eine Erklärung.
📖 Guide — Schritt-für-Schritt (oben). Empfehlung: zuerst durchlesen! 💡 Erklärungen — Klicke auf Knoten oder Formelzeilen rechts für Kontext zu jedem Parameter. ⬡ Golem light — Generiert R-Code: Parameter aus Priors ziehen und Daten simulieren.
Für den vollen Modellumfang: ⬡ brms Model Builder — 15 Likelihoods, Polynome, Interaktionen, distributional parameters, Random Effects, Prior Predictive Check — direkt ausführbarer brms-Code.