问题标签 [hierarchical-bayesian]

我正在尝试从该模型的后部进行采样： 在此处输入图像描述

x 为 10x1 向量，mu 为 10x1 向量，sigma 为 10x10 矩阵，psi_0 为 10x10 矩阵，粗体 1 为 5x1 单位向量，其余为标量。F 和 E 是我们分析中两组股票的下标（我们正在进行投资组合优化）。我尝试运行以下代码：

（data_total 为数据矩阵，加上“_var”后缀只是为了与其余代码保持一致）

最后一行给了我一个错误： PARSER EXPECTED: "("，关于模型代码的倒数第二行。我在 Stack 上看到这种错误也让更多的专家开发人员感到困惑。

谁能帮我？我真的不明白出了什么问题。

该模型的代码是，

运行此代码时出现以下错误，

得到的错误是，*SYNTAX ERROR, MESSAGE(S) FROM PARSER: Illegal statement started with non-void expression parsed as transpose(mu[i, :]) 不是合法的赋值、采样或函数语句。注意

• 赋值语句只允许左侧的变量（带有可选索引）；
• 采样语句允许在左侧使用任意值表示表达式。
• 用作语句的函数必须声明为具有 void 返回

第 20 行第 7 列的“model2e850c17b4_mystancode”错误

解析器预期：stanc 中的错误（“mystancode.stan”）：由于上述错误，无法解析 Stan 模型“mystancode”。*

我想用上述参数创建一个 pymc3 模型。d1 和 d2 都是 8*8 矩阵。当我尝试将值分配给 s_A 和 s_B 数组时，上面的代码显示语法错误。有人可以告诉我如何在 pymc3 模型中创建像 s_A 和 s_B 这样的变量。

我有一个正态分布的变量 x（如产品需求）、一个索引 id_1（如产品编号）和第二个索引 id_2（如产品组）。我的目标是按层次估计 x 的均值和标准差（全部 > 产品组 > 产品）。这是我的数据：

我管理了一个层次结构：

但是我如何编码 2 个层次结构？

我正在使用 lmer 执行混合效果建模。但正如你所料，我可以得到正负固定和随机效应作为系数。如何对我的最终系数设置界限，以便我只得到正系数？

我也在尝试将 stan_lmer 与贝叶斯一起使用。

示例： lmer 方程

如果我检查，coef(fm1)，我得到以下输出 lmer 输出

我想将系数限制为仅是正数。请帮忙。

我是 tensorflow 的新手，正在尝试将 STAN 模型转换为 TFP。这是我的 TFP 模型，使用JointDistributionCoroutineAutoBatched.

我的模型生成两组不同的数据，它们是a和k。如果它只有aor k，那么我可以指定我的log_prob功能

或者

但我的问题是如何将两组不同的数据合并到一个log_prob函数中？谢谢！

我最近开始使用 PYMC3，并且已经使用 MCMCglmm 在 R 上开发了类似的解决方案。我正在尝试分析我的多级 PYMC3 模型的摘要，在 az.summary(trace) 的帮助下，我们得到了所有固定和随机变量以及均值、SD、HPD 等的列表。但我想了解什么是对于跨面板的所有不同斜率变量，将有一个共同的斜率，即固定效应和 n 个随机效应，其中 n 是我在数据中的面板/级别数。但是当我从 az.summary(trace) 查看摘要时，我只能找到标记为“name[0]”、name[1]、...、name[n] 的不同级别的平均值。

另外，如果没有错，那么固定的平均值+随机效应的平均值应该中心为零？

JAGS 如何计算随机节点的数量？我假设“观察到的随机节点”的数量是数据点，而“未观察到的随机节点”是参数，对吧？这是否意味着，当未观察到的节点数超过已观察到的节点数时，我的模型无法识别？总是这样吗？JAGS 告诉我，我有 6084 个观察到的随机节点和 9072 个未观察到的随机节点。我有可识别性问题吗？当我计算参数和数据点时，我得到完全不同的数字。那么，JAGS 中的节点是如何计算的呢？

我正在尝试进行变分推理，以便我可以获得关于目标分布的最佳近似分布：Normal-Inverse-Wishart。

正态-逆-Wishart 分布

但是，当我使用模型代码编译 stan 文件时，它会给出错误：

stanc 中的错误（文件 = 文件，模型代码 = 模型代码，模型名称 = ?>模型名称，：0 '字符串'中的语法错误，第 16 行，第 14 列到第 15 列，解析 > 错误：预期的“生成数量 {”或文件结尾模型结束后>块。

我试图调查这是指什么，但我需要一些帮助。我的 R 代码是：

RStan 文件模型代码为：

我什至尝试将模型代码的最后一部分更改为：

但仍然是同样的错误。有谁知道错误是什么以及我该如何解决？

非常感谢。

最好的，尼哈尔

在一个基本的 BYM 模型中可以写成

有时使用协变量，但这在这里无关紧要。其中s是空间结构化效果，u是单位上的非结构化效果。

在 Congdon (2020) 中，他们将公平先验称为 邻接矩阵中的平均邻居数 。Bernardinelli 等人的定义类似（我认为在精度方面）。（1995 年）。

然而，对于伽马分布，缩放似乎只影响比例项

我无法找到一个可行的例子，并且不明白先验是如何得出的，例如，在众所周知的唇癌数据中

我希望有人可以帮助我理解在这种情况下如何达到这些，即使在两个伽马超先验的简单情况下也是如此。

参考文献
Congdon, PD (2019)。贝叶斯分层模型：使用 R 的应用程序，第二版（第二版）。查普曼和霍尔/CRC。

Bernardinelli, L.、Clayton, D. 和 Montomoli, C. (1995)。疾病图的贝叶斯估计：先验有多重要？医学统计 14 2411–2431。