Escribir el modelo Stan

// Stan code
data{}
transformed parameters{}
parameters{}
model{}
generated quantities{}

Modelo de población

$$population \sim Poisson( pop\_density * settled\_area)$$

$$pop\_density \sim Lognormal( \mu, \sigma)$$ $$\mu = \alpha_{t,r} + \beta X$$

Modelo Stan

for(i in 1:n){
  mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

Modelo Stan

for(i in 1:n){
  mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

Modelo Stan

for(i in 1:n){
  mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

Modelo Stan

for(i in 1:n){
  mu[i] = alpha_t_r[type[i], region[i]] + sum(cov[i,] .* beta);
}

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/ Calcula los salarios del profesorado en función de los años de experiencia:

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Estimación de los salarios del profesorado cuando se desempeña en diferentes departamentos

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Cada facultad tiene un salario inicial diferente

$$salary = \alpha_f + \beta * experience$$

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/Los salarios del profesorado aumentan a ritmos diferentes en función del departamento

$$salary = \alpha + \beta_f * experience$$

Modelo aleatorio

de Michael Freeman, http://mfviz.com/hierarchical-models/

$$salary = \alpha_f + \beta_f * experience$$