问题标签 [hierarchical-bayesian]

我有 2 列数据，y并且grp我正在尝试创建一个JAGS如上所示的模型。grp是组，我有 5 个组。以下代码来自这里。我使用这段代码是因为标题下的描述Model and Data看起来几乎像这个分层模型。

但是mu当我查看摘要时，我只得到一个。应该有 5mu's个，每组一个。有人可以更正代码吗？您也可以指出其他地方提供的类似示例，我可以尝试对其进行修改。我在代码中遗漏了一些东西，我相信代码可能就像问题一样，但是当我像这样修改它时，即使有 5 种方法，我似乎也没有得到适当的方法。

不确定这个问题是否属于数学堆栈交换。

我试图了解如何在 Tensorflow 概率中实现以下模型。

1. 角度 ,theta在 范围内具有一致的先验概率[-pi / 2, +pi / 2]；
2. 方向翻转概率 ,beta在 范围内具有一致的先验概率[0, 1]；
3. theta'设置为：
   • theta' = theta + pi有概率beta; 或者
   • theta' = theta有概率(1 - beta);
4. 浓度c具有HalfCauchy先验概率；和
5. 从von Mises 分布alpha中得出一个观察结果，以集中为中心。theta'c

到目前为止，我尝试过的是

调用它会在二项式部分出现错误：TypeError: __init__() missing 1 required positional argument: 'total_count'. 我究竟做错了什么？

2020-03-17 更新

最新代码如下。我仍在尝试找出如何实现模型的第 (3) 部分，即theta通过添加pi概率来翻转我的角度方向beta。对此的任何帮助将不胜感激！到目前为止我所拥有的不起作用，因为我无法将伯努利对象乘以浮点数。

我对概率编程和 pymc3 很陌生……目前，我想在 pymc3 中实现Kennedy-O'Hagan框架。

根据肯尼迪和奥哈根的论文，设置如下：

我们有n 个观测值z _i的形式

z _i = f(x _i , theta) + g(x _i ) + e _i ,

其中x _i是已知输入，theta是未知校准参数，e _i是 iid 误差项。我们还有m个模型评估y _j的形式

y _j = f(x ^' _j , theta _j )，其中x ^' _j（不同于上面的x _i）和theta _j都是已知的。因此，数据由所有z _i和y _j组成. 在论文中，Kennedy-O'Hagan 模型 f, g 使用高斯过程：

f ~ GP{m ₁ (.,.), 西格玛₁ [(.,.),(.,.)] }

g ~ GP{m2 (.), Sigma2[(.),(.)] }

除其他外，目标是获取未知校准参数 theta 的后验样本。

到目前为止我所做的：

到这里为止，一切都很好。我的全科医生 f 是根据计算机模型进行训练的。现在，我想测试我是否可以将这个训练有素的 GP 拟合到我观察到的数据中：

这个公式正确吗？我得到非常不稳定的结果......根据 KOH 的完整配方应该是这样的：

有人可以给我一些建议如何用 pymc3 正确地制定 KOH 吗？我很绝望......将不胜感激任何帮助。谢谢！

这是我为了更好地理解 pymc3 而进行的一个实验。我有三个有偏见的硬币，我进行了以下实验：

问题是从上面的实验中给出的数据，我们可以对这三个硬币进行建模吗？

代码：数据生成器：

型号代码：

结果：

• 发现coin1的模型很好
• coin2 似乎接近原始值
• coin3 很遥远

疑点：

• 上面的实验有什么问题吗？
• 有没有更好的方法来模拟这个实验？

我尝试根据进球数预测足球比赛的结果，并使用以下模型：

当我对模型进行采样时，跟踪图看起来很好。

之后当我想计算 WAIC 时：

waic = pm.waic(trace, model)

我收到以下错误：

当我在 pymc3 中有两个似然函数时，有什么方法可以计算 WAIC 和比较模型？（1：主队进球数 2：客队进球数）

我知道先验的强度是通过参数 nu 设置的，但是，我找不到 nu 用统计术语表达的信息，例如，在这个例子中，与变量 x 的数量相似的先验有多强？

我还看到了很多 nu=0.01 的弱先验示例，这是否意味着与后验相比，我们对先验的信任度为 1/100？

在 PyMC3 ( https://docs.pymc.io/notebooks/GLM-hierarchical.html ) 的这个例子中，用一维样本估计后验分布（数据集中的样本只有一个特征）。

如果我的数据集样本具有N 维特征，如何概括？我试图用

但它不起作用

我有兴趣使用bvarR 中的新包来预测一组内生时间序列。但是，由于 COVID 大流行，我的时间序列经历了结构性中断。在模型中解释这一点的最佳方法是什么？一些假设：

1. 添加外生虚拟变量（好像包没有这个功能）
2. 添加具有强先验的内生虚拟变量，使其他变量对其的影响系数为零（即“人工”外生变量）
3. 创建两个单独的模型（结构中断之前与之后）

我尝试了 2+3 的混合。我测试了一个（i）模型，只有最近的数据（结构中断后），没有虚拟变量，而（ii）另一个模型有完整的历史，有一个额外的内生（虚拟）变量，但没有强虚拟先验（我不明白如何正确配置它）。模型 (ii) 在测试集中表现得更好。

我在 pymc3 和 theano 上运行贝叶斯层次模型。当我开始训练我的模型时，我收到了这个错误：

有人可以帮我调试吗？一位同事尝试在他的机器上运行它并且它有效，所以我猜它与我的机器或可能与 theano 或 pymc3 的版本有关。

或者也许它与形状参数有关，但我再次怀疑，因为它已经在我同事的机器上工作了。我也尝试运行以下命令，但我不确定它的作用，我担心它只是隐藏了警告和重要消息

最后，对于贝叶斯程序员（也许它可以帮助）非中心 Cholesky 重新参数化工作和编译没有错误。请帮我

谢谢

library(brms)我有一个适合 brms ( )的多级负二项式模型

fit1 <- brm(TOTAL_VIOLATIONS ~ LN_POP + Source_binary + Source_purchased + (1|TYPE_consolidated) + (1|COUNTY), data = Data, family = negbinomial())

这是数据的样子：

我想探索包含第一个随机效应（TYPE_consolidated）与仅具有第二个随机截距（COUNTY）的相同模型的价值，但我一生无法弄清楚如何icc()使用by_group. 无论有没有这个参数，输出都是完全相同的（见下文）。我有一种感觉，这是因为它是一个 brms 对象，因为根据帮助，这些模型的输出是不同的，但我还没有想出另一种方法来获得它。有谁知道获得单个随机效应的方差比的方法（或者可以看到我做错了什么by_group）？如果没有，是否有标准方法来比较嵌套模型之间的 ICC？如果是这样，也许我可以为我的模型的两个不同版本计算它，然后改为这样做？