0

我目前正在 Openbugs 中开发一个分层贝叶斯模型，该模型涉及很多（大约 6000 个站点）的二项式过程。它描述了连续移除电动钓鱼事件/通行证，一般结构如下：

N_tot[i]<-d[i] * S[i]
d[i]~dgamma(0.01,0.01)

for (i in 1:n_sites){
    for (j in 1:n_pass[i]){
        logit(p[i,j])~dnorm(0,0.001)
        N[i,j] <- N_tot[i] - sum( C[i,1:(j-1)] )
        C[i,j] ~ dbin( p[i,j] , N[i,j] )
    }
}

其中 n_sites 是我正在查看的网站总数。n_pass[i] 是在站点 i 进行的钓鱼通道数。N[i,j] 是当鱼通过 j 时站点 i 中鱼的数量。N_tot[i] 是在任何鱼通过之前站点 i 中的鱼的总数，它是站点 d[i] 的密度乘以站点 S[i] 的表面（表面已知）的乘积。C[i,j] 是在鱼通过 j 期间在站点 i 捕获的鱼的数量。p[i,j] 是鱼道 j 在站点 i 捕获的概率。

每个站点平均有 3 个钓鱼通道，这是很多连续的二项式过程，通常需要大量时间来计算/收敛。我无法近似二项式过程，因为捕获量通常很小。

所以我有点卡住了，我正在寻找解决这个问题的建议/替代方案。

提前致谢

编辑历史：15-11-2016：在@M_Fidino 澄清请求之后添加了 d 和 p 的先前定义

4

0 回答 0