问题标签 [rstan]

我再次遇到此错误。但与以前不同的是，现在下面的测试有效：

但是当我尝试任何基于 stan 的模型（例如下面的示例代码和数据）时，我得到与下面相同的错误。

以下是示例数据和代码：

它说“未创建函数/方法！”：

这是我的会话信息：

我将不胜感激任何解决此问题的想法。

我安装了 RStan，遇到了问题，将其卸载，然后尝试使用https://github.com/stan-dev/rstan/wiki/Installing-RStan-on-Mac-or-Linux重新安装它

但是，当我尝试使用 rstan 时，出现此错误：

库中的错误（rstan）：没有名为“rstan”的包</p>

我注意到当我运行上面页面中提到的工具链诊断时，

我收到一个错误：

出了什么问题？谢谢！

我正在尝试使用 Stan 和 R 来拟合一个模型，该模型对观察到的实现 y_i = 16、9、10、13、19、20、18、17、35、55 进行建模，这些实现来自二项式分布随机变量，比如 Y_i，带有参数 m_i（试验次数）和 p_i（每次试验的成功概率）。

出于本实验的目的，我将假设所有 m_i 都是固定的，并且由 m_i = 74、99、58、70、122、77、104、129、308、119 给出。

我将使用 Jeffrey 的先验：\alpha=0.5 和 \beta=0.5。

我试着

1. 求 p_i 的贝叶斯估计。
2. 求p_i的范围（即参数k如下：

我在 2. 的尝试是这段代码：

我的斯坦代码如下：

我的R代码如下：

现在，我刚开始学习 Stan，所以我真的不确定这是否正确。但是，这段代码似乎适用于我的第一个目标（至少，我编写的任何代码似乎都有效......）。但是当我尝试编写我的第二个目标时，我的麻烦就开始了。

当我尝试编译上面的 Stan 代码时，我收到以下错误：

现在，根据这个错误消息，我的问题似乎是因为 p 是 10 个实数值的向量，而不是一个实数值。但是，由于我对 Stan 缺乏经验，我不确定如何解决这个问题。

我按照https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started的说明构建了 rtools 3.4 和 rstan 2.17.3 。

我在下面保存了文件“8schools.stan”：

但是当我调用代码时：

我收到此错误：

请协助！

=================== 更新=============================== ================

所以我在 Rtools 3.5 和 rstan 之后重新安装了 R 版本 3.5.1（通过 install.packages()）

现在 rstan 因多核支持而失败，如下所示：

有错误：

但是，如果我将线路更改为单核，我可以让代码至少工作

我安装了 R 版本 3.5.1（在 Windows 7 x64 桌面 PC 上），然后是 Rtools 3.5 和 rstan（通过 install.packages()）

Rstan 在多核支持方面失败，如下所示：

有错误：

但是，如果我将选项行更改为：

该代码有效。除了仅使用 1 个核心之外，任何人都知道解决方案吗？谢谢

我是斯坦的新手，所以希望你能指出我正确的方向。我会根据我的情况来确保我们在同一页面上......

如果我有一组单变量法线，文档会告诉我：

提供与未矢量化版本相同的模型：

但是矢量化版本（很多？）更快。好的，很好，很有道理。

所以第一个问题是：是否有可能在单变量正常情况下利用这种向量化加速，其中样本的mu和都随向量中的位置而变化。sigma即如果mu_vec和sigma_vec都是向量（在前一种情况下sigma是标量），那么是这样的：

相当于：

如果是这样，是否有可比的加速？

好的。那就是热身。真正的问题是如何最好地接近上述的多变量等价物。

在我的特殊情况下，我N观​​察到一些变量的双变量数据y，我将其存储在N x 2矩阵中。（对于数量级，N大约1000在我的用例中。）

我的信念是，每个观察的每个组成部分的平均值是，每个组成部分的标准0差是每个观察结果1（我很高兴将它们硬编码为这样）。然而，我的信念是，相关性（ ）作为另一个观察变量（存储在元素向量中）rho的（简单）函数，因观察而异。例如，我们可能会说，我们的目标是从我们的数据中学习。即第 th 观察的协方差矩阵将是：xNrho[n] = 2*inverse_logit(beta * x[n]) - 1n in 1:Nbetan

我的问题是将它放在一个 STAN 模型中的最佳方法是什么，这样它就不会那么慢了？是否有multi_normal分布的矢量化版本，以便我可以将其指定为：

或者也许是其他类似的表述？或者我需要写：

在设置vector_of_sigma_matrices并vector_of_mu_2_tuples在较早的块之后？

提前感谢您的任何指导！

编辑以添加代码

使用python，我可以按照我的问题的精神生成数据，如下所示：

然后使用以下方法实际生成数据：

这是数据集的样子（左窗格中的y彩色散点图和右窗格中的 by...所以想法是越高，越接近 ，越低，越接近。所以期望左窗格上的红点为“从左下到右上”，蓝点为“从左上到右下”，实际上它们是：correlsdriversdriver1correldriver-1correl

使用蛮力方法，我可以建立一个如下所示的 STAN 模型：

这很适合：

但我希望有人能为“边缘化”方法指出正确的方向，在这种方法中，我们将双变量法线分解为一对可以使用相关性混合的独立法线。我需要这个的原因是在我的实际用例中，两个维度都是肥尾的。我很高兴将其建模为 student-t 分布，但问题是 STAN 只允许nu指定一个（不是每个维度一个），所以我认为我需要找到一种方法将 a 分解multi_student_t为一对独立student_t的，这样我就可以为每个维度分别设置自由度。

我想拟合 GLMM Poisson 模型计数。我有 121 个受试者 ( subject)，我观察到每个受试者 8 个泊松计数 ( count)：它们对应于 2 种类型的事件 ( event) x 4 个句点 ( period)。

我想要的是：

• 我想用贝叶斯方法拟合 GLMM，假设 (1) subject， (2) subject:visit， (3)的随机效应subject:event。
• 我想为所有固定效果先设置 N(0, 10^6)，
• 我想分别为 (1) 、 (2) 、 (3)的随机效应设置 N(0, sigma2_a ), N(0, sigma2_b ), N(0, sigma2_c ) 先验，subjectsubject:visitsubject:event
• 我想分别为sigma2_a、sigma2_b、sigma2_c设置统一的先验。

我设法得到的：

• 我相信我正在正确设置模型公式，并且正在为固定效应参数设置所需的先验：

  /li>

我挣扎的是：

• 如何分别为 (1) 、 (2) 、 (3)的随机效应设置 N(0, sigma2_a ), N(0, sigma2_b ), N(0, sigma2_c ) 先验，subjectsubject:visitsubject:event
• 如何分别为sigma2_a、sigma2_b、sigma2_c设置统一的先验。

我有以下多项式回归模型：

图片版本

乳胶版

$Y_i | \mu_i, \sigma^2 \sim \text{正常}(\mu_i, \sigma^2), i = 1, \dots, n \ \text{独立}$

$\mu_i = \alpha + \beta_1 x_{i1} + \beta_2 x_{i2} + \beta_3 x_{i1}^2 + \beta_4 x_{i2}^2 + \beta_5 x_{i1} x_{i2}$

$\alpha \sim \text{一些合适的先验}$

$\beta_1, \dots, \beta_5 \sim \text{一些合适的先验}$

$\sigma^2 \sim \text{一些合适的先验}$

我想将样本大小和 $y_i$、$x_{i1}$ 和 $x_{i2}$ 上的观察向量作为输入。代码如下：

我想对两个输入变量进行标准化（中心化和缩放）以获得标准化的回归变量x1_std和x2_std. 代码在transformed data块中，如下所示：

然后，我想使用标准化回归变量拟合上述多项式回归模型，并在原始和标准化尺度上返回回归参数 $\alpha$、$\beta_1$ 和 $\dots、\beta_5$ 的估计值。

基于此，如果我没记错的话，标准化参数到原始尺度的转换公式如下：

图片版本

乳胶版

$\alpha = \tilde{\alpha} - \dfrac{\gamma_1}{s_1}\bar{x}_1 - \dfrac{\gamma_2}{s_2}\bar{x}_2 + \dfrac{\gamma_3}{ s_1^2}\bar{x}_1^2 + \dfrac{\gamma_4}{s_2^2}\bar{x}_2^2 + \dfrac{\gamma_5}{s_1 s_2}\bar{x}_1\酒吧{x}_2$

$\beta_1 = \left( \dfrac{\gamma_1}{s_1} - 2\dfrac{\gamma_3}{s_1^2}\bar{x}_1 - \dfrac{\gamma_5}{s_1 s_2}\bar{x }_2 \右）$

$\beta_2 = \left( \dfrac{\gamma_2}{s_2} - 2\dfrac{\gamma_4}{s_2^2}\bar{x}_2 - \dfrac{\gamma_5}{s_1 s_2}\bar{x }_1 \右）$

$\beta_3 = \dfrac{\gamma_3}{s_1^2}$

$\beta_4 = \dfrac{\gamma_4}{s_2^2}$

$\beta_5 = \dfrac{\gamma_5}{s_1 s_2}$

实现这一点的代码包含在generated quantities块中，如下所示：

我的整个模型如下：

我正在使用hillsR 包中的数据集MASS：

现在我输出标准化的 ( alpha_std, beta1_std, beta2_std, beta3_std, beta4_std, beta5_std) 和原始尺度 ( alpha, beta1, beta2, beta3, beta4, beta5) 回归参数：

print(model.fit, pars = c("alpha_std", "alpha", "beta1_std", "beta2_std", "beta3_std", "beta4_std", "beta5_std", "beta1", "beta2", "beta3", "beta4", "beta5", "sigma"), probs = c(0.05, 0.5, 0.95), digits = 5)

我做对了吗？我还对数学进行了两次和三次检查，所以我认为它应该是正确的。尽管如此，我很紧张的一件事beta4是 0.00000。这是否表明我犯了错误？正如我所说，我已经检查了我所有的代码和数学，所以，据我所知，一切似乎都很好。

我正在使用 rstan 来估计模型。采样器运行后，我plot()用来生成估计参数的点估计和不确定区间图。但是，它对参数使用“丑陋”的名称（例如sigma_individual），我想Individual-level SD在轴标签上报告“漂亮”的名称（例如 ）。

我发现我可以使用scale_y_continuous(breaks=1:2, labels=c("a","b")，但它似乎改变了事情的顺序，这使得我很难确切地知道我在做什么。

I am currently running functions such as stan_glm and stan_glmer from the rstan package in R. I am calling each function 1000 times, and it turns out that about 75% of these runs result in an warning such as:

I would like to create a while loop that re-runs the function until I come across a run without an warning. Is there a way to flag or detect such warning messages as the one above? Thanks.