问题标签 [stan]

我已经使用 devtools 创建了我的包骨架，然后添加了一堆 R 代码、元数据、文档等。我想在这个包中使用 rstan。我知道 rstan::rstan.package.skeleton 创建了一个包骨架来促进这一点。那么，使用该包中使用 rstan 所需的结构来增强现有包的最佳实践是什么？谢谢你。

我正在尝试使用 STAN 进行切换点分析。我有一个数据向量y，它有两个不同的高斯随机变量序列。目标是找到可能发生转变的时间的后验分布。我正在使用RStan它来运行它，但错误在于 STAN。

这是 STAN 代码；

解析器（Rstudio 附带）给出以下错误；

为什么它不能处理进行铸造的变量分配？STAN 是否需要不同的模式来进行此类分析。我试图在其中创建一个整数变量，parameters但 STAN 似乎不支持随机整数变量，只有连续变量。

考虑观察到的数据 y1 和 y2。y1 以连续刻度测量，y2 以二进制刻度测量。假设连续潜变量 z 生成 y2 为：y2 = I(z > 0)。（如果 z 是正常的，那么 y2 是二进制概率）。此外，使用 copula 对 y1 和 z 之间的依赖关系进行建模。该模型可以分层编写（有一些符号滥用）为：

y2 = I(z > 0)
(y1, z) ~ C(F_y1( |w), F_z( |w) | phi)
w, phi ~ 先验

其中 w 是 y1 和 z 的边际参数向量，F_y1 和 F_z 分别是 y1 和 z 的边际 cdf，phi 是 copula 参数。

这怎么能在 Stan 中建模呢？我编写了一个自定义概率函数来从 copula 产生的二元似然中采样 y1 和 z。我不知道如何解释（生成？）潜在变量 z，以及如何指定 y2 和 z 之间的关系。

我已经在 stan 中查看了使用数据增强的 Probit 回归，但这似乎没有帮助，因为我的模型中有 copula。

编辑：我可能误认为上面的链接没有用。我已经编写了以下代码，如果它看起来正确（理论上），将不胜感激。

我有一个stanfit调用fit返回的对象rstan::stan(...)来推断参数theta。我现在可以theta使用 eg进行分析rstan::summary(fit, pars="theta")。

后来我意识到我对推断 的平方更感兴趣theta。我应该transformed parameters在 STAN 模型中包含一个块以theta_squared作为参数包含在输出中。

是否可以将转换后的参数添加theta_squared <- theta^2到现有stanfit对象中，就好像它是在一个transformed parameters块中计算的一样？

我希望在Spark上使用MC-Stan，但 Google 似乎没有搜索到相关页面。

我想知道这种方法在 Spark 上是否可行，因此如果有人让我知道，我将不胜感激。

此外，我还想知道在 Spark 上使用 MCMC 的广泛使用方法是什么。我听说 Scala 被广泛使用，但我需要一些具有像样的 MCMC 库的语言，例如 MC-Stan。

新的 stan 用户在这里。这个特定的模型（基本上是混合效应逻辑回归）有时会运行，但经常会出现错误“以下变量具有未定义的值：log_lik[182]”等。“dev”或“log_lik”值总是有问题. 它被捕获的索引有时在区域之间的过渡处，但在某些运行中也出现在随机位置。

斯坦型号：

数据看起来像这样（数据框“SDF”）：

这些调用在 R 中使用：

我正在尝试在 JAGS 中建立一个允许时变协变量的生存模型。我希望它是一个参数模型——例如，假设生存遵循 Weibull 分布（但我想允许风险变化，所以指数太简单了）。因此，这本质上是可以在flexsurv包中完成的贝叶斯版本，它允许参数模型中的时变协变量。

因此，我希望能够以“计数过程”形式输入数据，其中每个主题都有多行，每行对应于其协变量保持不变的时间间隔（如本 pdf或此处所述。这是或包装允许的(start, stop]配方。survivalflexurv

不幸的是，关于如何在 JAGS 中进行生存分析的每一种解释似乎都假设每个主题只有一行。

我尝试采用这种更简单的方法并将其扩展到计数过程格式，但该模型无法正确估计分布。

失败的尝试：

这是一个例子。首先我们生成一些数据：

然后我们将数据分成每个受试者 2 个观察值。我只是在时间 = 300 时拆分每个主题（除非他们没有达到时间 = 300，他们只得到一个观察结果）。

现在我们可以设置 JAGS 模型了。

根据分割点的位置，模型估计基础分布的非常不同的参数。如果数据没有被拆分到计数过程表格中，它只会获取正确的参数。似乎这不是为此类问题格式化数据的方法。

如果我遗漏了一个假设，并且我的问题与 JAGS 的关系不大，而与我如何制定问题的方式更相关，那么非常欢迎提出建议。我可能对时变协变量不能用于参数生存模型（并且只能用于 Cox 模型之类的模型感到绝望，该模型假设风险恒定且实际上并不估计潜在分布）——然而，作为我在上面提到过，flexsurvregR 中的包确实适应了(start, stop]参数模型中的公式。

如果有人知道如何用另一种语言（例如 STAN 而不是 JAGS）构建这样的模型，那也将不胜感激。

编辑：

Chris Jackson 通过电子邮件提供了一些有用的建议：

我认为这里需要 JAGS 中用于截断的 T() 构造。基本上对于每个人活着但协变量不变的时期 (t[i], t[i+1])，生存时间在时期开始时被左截断，并且可能在结尾。所以你会写类似的东西y[i] ~ dweib(shape, scale[i])T(t[i], )

我尝试按如下方式实施此建议：

不幸的是，这并不能解决问题。使用旧代码，模型主要是正确地获得了比例参数，但在形状参数上做得非常糟糕。使用这个新代码，它非常接近正确的形状参数，但始终高估了比例参数。我注意到，高估的程度与分裂点出现的时间有关。如果分割点早（cens_point = 50），则实际上没有任何高估；如果来晚了（cens_point = 350），那么有很多。

我想这个问题可能与“重复计算”观察结果有关：如果我们在 t=300 看到一个删失的观察结果，那么来自同一个人，在 t=400 的一个未经删失的观察，对我来说，这个人似乎很直观为我们对 Weibull 参数的推断贡献了两个数据点，而实际上它们应该只贡献一个点。因此，我尝试为每个人加入随机效应；然而，这完全失败了，参数估计值很大（在 50-90 范围内）nu。我不确定为什么会这样，但也许这是一个单独的帖子的问题。由于我不是问题是否相关，您可以在此处找到整篇文章的代码，包括该模型的 JAGS代码。

我是 STAN 的新手。我正在研究时间 ETAS 模型，这是一种用于模拟地震的模型。地震发生时间 t[i] 的强度被建模为 -

其中 t 是时间，p,c,mu 是三个参数。我正在使用 Rstan。我为模型编写了以下 stan 代码：

我知道我没有将时间指定为向量。你能帮我在模型部分写下可能性吗？我面临写强度的问题。我认为我过去在 R 中写入时间 t[i] 的强度的方式不是在 STAN 中执行此操作的写入方式。

A small part (containing 20 times only) of the data is as follows: dat=list(0.0000,310.1907,948.4677,1007.2617,1029.7996,1065.7343,1199.8650, 1234.6809,1298.0234,1316.0350,1381.8400,1413.4311,1546.2059,1591.1326, 1669.5084, 1738.9363,1745.5503,1797.9980,1895.6705,1936.3146)

所以，我有以下用 Python 绘制的数据。

数据是我正在使用的微分方程系统中强制项的输入。因此，我需要为这些数据拟合一个连续函数，这样我就不必处理逐步函数的不连续性可能带来的稳定性问题。不幸的是，这是一个相当大的数据集。

我试图最终得到一个拟合函数，它是可能的，并且不太繁琐，无法翻译成 Stan，这是我编写微分方程的语言，所以更喜欢分段多项式形式的东西，最多只有几个我可以手动编码的部分。

我polyfit从 from开始numpy，这不是很好。使用UnivariateSplinefromscipy给了我一个不错的选择，但它并没有给我一些看起来易于翻译成 Stan 的东西。因此，我一直在寻找其他适合的建议，我可以尝试返回更容易翻译成其他语言的函数？查看我的数据的形状，是否有可能有用的周期性样条拟合？

尝试拟合简单模型时，我在控制台中收到以下错误消息：

尝试使用 conda 和/或 pip 安装 pystan。

蟒蛇 3.5

OS X El 首领 10.11.4

试过 Pystan 2.8.0.0 和 2.9.0.0

这是从 Jupyter 复制粘贴的完整代码