Помните, что вы получаете последующие распределения для A_mu и B_mu.Это облегчает сравнение, так как вы можете посмотреть 95-процентные доверительные интервалы (CI) для параметров (или выбрать доверительное значение, которое удовлетворяет вашим потребностям).Я полагаю, что JAGS использует выборку Гиббса, поэтому вы сможете получить необработанные сэмплы от авторов для A_mu и B_mu.Затем вы можете спросить «какова вероятность того, что B_mu больше некоторого значения?» , рассчитав процент задних выборок, превышающих это значение.В качестве альтернативы и аналогично частому тестированию гипотез, вы можете спросить, какова вероятность того, что среднее значение B_mu является ничьей с задней стороны A_mu.Таким образом, ключ заключается в том, чтобы просто использовать образцы из вашего апостериорного.Я бы порекомендовал взглянуть на учебник Эндрю Гельмана по BDA3 (глава 4), чтобы получить действительно хороший справочник по этим понятиям.
Несколько вещей, которые следует иметь в виду, прежде чем делать выводы из данных: (1) вы должны всегдапроверьте достоверность своих цепей Маркова, оценивая такие вещи, как автокорреляция (2), попробуйте выполнить последующую прогностическую проверку, чтобы убедиться, что ваша модель хорошо вписывается в данные.Если ваша модель плохо соответствует данным, вы можете получить очень вводящие в заблуждение результаты описанной выше процедуры.