问题标签 [stan]

从stan 网页启动标准示例时，如下所示：

（这是从这里获得的）

然而，这只为我提供了参数后验的分位数。所以我的问题是：如何获得其他百分位数？我想它应该类似于错误（？）

备注：我试图介绍标签stan，但是我的名声太小了；）抱歉

我需要为数据分析类安装 Rstan。说明发布在这里http://code.google.com/p/stan/wiki/RStanGettingStarted。我正在运行 Mac OS 10.5.8 和 R 2.15.1 GUI 1.52 Leopard 构建 32 位 (6188)。我刚刚安装了 Xcode 版本 3.1.4，这是与 leopard 兼容的 Xcode c++ 编译器（我必须获得一个 mac 开发人员帐户才能执行此操作）。

根据 Stan 安装说明，我输入了以下代码以查看我的编译器是否正常工作：

它返回以下错误：

当我尝试安装 stan 时：

我收到此警告：警告消息：在 install.packages("rstan", type = "source") 中：安装包 'rstan' 的退出状态非零

我不知道 C++ 是如何工作的。我所有的编码经验都在 R 中，之前不需要编译成 C++。在过去 4 小时左右的时间里，我一直在努力找出问题所在，一遍又一遍地在谷歌上搜索这些错误消息，但运气不佳。任何帮助将不胜感激，也将帮助我班上其他大约 10 名遇到相同或类似问题的学生。非常非常感谢你。

Stan 是Gelman 等人的新贝叶斯分析软件。

我猜，RStan 是一种从 R 中调用 Stan 的方法。

Stan / RStan 是否会在具有 Linux 操作系统的超级计算机上运行，​​如果可以，它能否利用超级计算机的多处理器？我被告知 WinBUGS 不会在 Linux 机器上运行和/或不能利用超级计算机的多处理器。

我正在寻找一种方法来加快贝叶斯分析 - 从几周到几天/几小时。

我正在尝试将一些代码从 JAGS 迁移到 Stan。假设我有以下数据集：

并且我想使用以下代码运行多项 logit（取自文档的第 9.5 节）：

我现在想将第一行修复beta为零。在 JAGS 中，我只需在模型块中声明

但我不确定如何在 Stan 中执行此操作。我已经按照文档（部分已知参数）第 6.2 节的内容尝试了许多组合，例如，

但它们都不起作用。有什么建议么？

我正在尝试如何学习 Stan，并故意做一些简单的问题来让自己跟上进度。在尝试运行简单的二元回归时，我非常卡在第 1 级。

我有以下格式的数据

完整的数据粘贴在这篇文章的底部，不碍事。

无论如何，我用于二元回归的 stan 代码如下所示。

首先，我有一个疑问。为什么我们在模型块中有语句vector[N_obs] mu_hat;（而不是real mu_hat[N_obs];在转换后的参数块中）？从一点谷歌搜索来看，这似乎是你需要做的。

其次（更严重的是），当我尝试运行代码时，出现以下错误：

像往常一样，非常感谢任何帮助。

数据实际上是这样的：

stan_data $y 42089728 9339536 9781184 138361088 30910448 30411792 629997056 21062368 1167006 7631744 6925444 5893008 35743680 -55904 116299776 966712 178152 19397504 101188992 1536242176 44078264 1243806 105937664 43202352 -4213172 40201728 84412544 16671128 0 19432968 44403296 89021120 33442736 5850532 68061664 0 86286272 636771072 65779408 6416524 25559184 0 0 11437649 128506560 26867136 1646992 -16684608 43974528 6812660 0 0 -906249 17730360 6571846 -14056304 -2317026 2972​​2656 43035904 70388248 -202987 24308224 0 19598944 25241600 31093140 172198080 68365824 -15307088 345229424 0 919122886387084 6936104 362958976 10828080 34233728 465616896 185831488 4554222 14789792 19448168 27692960 88308096 75171552 -246307584 11228152 8361832 2265296 172424512 1182046720 22629408 1165429 348064512 77001792 11092408 84706848 -19970752 -2386432 66124424 19266104 72069984 14311872 -1680048 509040 188740112 318636288 170175680 -244937216 16264160 6017916 327072 159117760 0 8156479 320665728 36684736 17502416 29556064 47395008 12937934 168051632 0 892982 10329560 1355983 -4529648 -43117 -10704432 226641152 23704368 -3433973 -73329408 0 3594688 51327088 59915116 293390016 382384192 -12102624 -336263424 0 -24685504 -899952 10155976 218019584 4874811230058752 1842414592 44083792 5092000 24174848 10985128 33436544 159885024 36513376 140204416 12631560 8951732 25929808 353803264 3143784448 60253136 702773 506841344 38420128 11721112 92972608 60845840 30016168 37990192 -6470864 78287520 21554528 29755168 3766984 35639136 26794784 583849280 267967488 37916960 11501600 22704880 133042624 513627 3389580 289430272 21665616 85471472 39646656 116267616 -13407846 15678080 27691000 682450 9635360 580544 16791136 793524 38486832 -79701376 -63242544 2160139 202091584 300 60001872 120758144 50716744 13548672 623414144 21202400 0 0 17696512 -5566584 -3197064 201575680 34187360 50923296 1267788800 28845072 102140620589376 5255816 19726800 43046336 84012320 93750016 1549232 4102708 20721248 36500736 5098330112 -20425392 781041 247644672 28292416 21682296 52508672 38884352 57993648 953560 1437008 81498304 86611584 23846608 5454052 37785760 99136512 58742016 1308937472 37354624 14447532 19370288 81054432 108383989 5834392 196654592 -37886048 199787840 -38083360 -19815904 1496112 7065456 30429000 -190947 3102040 5150997 6569152 711859 42429536 148236256 70894720 -888473 62231296 15503290 -17289808 106739712 -46661248 -185851136 602047616 60204790051247644672 28292416 21682296 52508672 38884352 57993648 953560 1437008 81498304 86611584 23846608 5454052 37785760 99136512 58742016 1308937472 37354624 14447532 19370288 81054432 108383989 5834392 196654592 -37886048 199787840 -38083360 -19815904 1496112 7065456 30429000 -190947 3102040 5150997 6569152 711859 42429536 148236256 70894720 -888473 62231296 15503290 -17289808 106739712 - 46661248 -185851136 602047616 15609200 940000 0247644672 28292416 21682296 52508672 38884352 57993648 953560 1437008 81498304 86611584 23846608 5454052 37785760 99136512 58742016 1308937472 37354624 14447532 19370288 81054432 108383989 5834392 196654592 -37886048 199787840 -38083360 -19815904 1496112 7065456 30429000 -190947 3102040 5150997 6569152 711859 42429536 148236256 70894720 -888473 62231296 15503290 -17289808 106739712 - 46661248 -185851136 602047616 15609200 940000 0-19815904 1496112 7065456 30429000 -190947 3102040 5150997 6569152 711859 42429536 148236256 70894720 -888473 62231296 15503290 -17289808 106739712 -46661248 -185851136 602047616 15609200 940000 0-19815904 1496112 7065456 30429000 -190947 3102040 5150997 6569152 711859 42429536 148236256 70894720 -888473 62231296 15503290 -17289808 106739712 -46661248 -185851136 602047616 15609200 940000 0

我们在运行 Rstudio（版本 0.97）的服务器上尝试安装 rstan 时遇到问题。我们使用的是 Ubuntu 12.10 ( x86_64-pc-linux-gnu (64-bit)) 和 R 2.15.1。

我安装了 Rcpp_0.10.3 和 inline_0.3.11。但是，当我跑步时

我收到以下错误：

但是，这些文件夹确实存在，并且在其他包中一切正常。你们中有人知道该怎么做吗？

全部，

我正在使用 rjags 进行贝叶斯建模。但是，当观察数大于 1000 时，图形尺寸太大。

更具体地说，我正在做一个贝叶斯排名问题。传统上，一次观察意味着一对 X[i, 1:N]-Y[i] 对，其中 X[i, 1:N] 表示第 i 个项目由 N 大小的预测向量表示，而 Y[i ] 是一个响应。目标是最小化预测值的逐点误差，例如最小二乘误差。

排名问题是不同的。由于我们更关心顺序，所以我们使用成对的 1-0 指标来表示 Y[i] 和 Y[j] 之间的顺序，例如，当 Y[i]>Y[j] 时，I(i ,j)=1; 否则 I(i,j)=0。我们将此 1-0 指标视为观察结果。因此，假设我们有 K 项：Y[1:K]，指标的数量为 0.5*K*(K-1)。因此，当 K 从 500 增加到 5000 时，观察的数量非常大，即从 500^2 增加到 5000^2。rjags 模型的图形尺寸也很大，例如图形尺寸 > 500,000。并且对数后验将非常小。

并且需要很长时间才能完成训练。我认为消耗的时间是> 40小时。我做进一步的实验是不切实际的。因此，您有什么想法可以加快 rjags 的速度。我听说 RStan 比 Rjags 快。有哪位有类似经历的？

我在尝试使用 Windows 7（64 位）在运行 R（版本 3.0.1）的服务器上安装 rstan 时遇到问题。我安装了 Rcpp 和内联，我得到了"* DONE (rstan)". 但是，当我跑步时

fit <- stan(model_code = schools_code, data = schools_dat,iter = 1000, chains = 4)

我收到以下错误：

你们中有人知道该怎么做吗？

我是一个非常新的统计分析世界，最近对 BUGS/JAGS/STAN 建模语言产生了兴趣。真正让我吃惊的是，我没有看到任何定义新函数或分布以避免代码重复的例子。例如，假设我经常使用泊松分布的平方，是否有以下方法？

然后稍后

无需每次都定义一个新的临时变量。

我正在尝试根据https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started安装 RStan

我使用了 Windows 7、RStudio 0.98.501 和 R x64 3.0.2

我成功安装了包 inline 和 Rcpp。

C++测试结果如下：

我认为“hello world”意味着我正确安装了 C++。

然后我输入以下代码：

然后，

RStan 安装失败。

我不知道如何解决这个问题。

更新：我卸载了所有版本的 R 并安装了最新版本的 64 位 R。然后我再次安装了 RStan。问题解决了。