文章/答案/技术大牛

发布

问Rjags中的分层混合模型
EN

Stack Overflow用户

提问于 2019-08-09 06:39:28

回答 1查看 255关注 0票数 0

这是我第一次使用rjags，我正在尝试拟合一些计数数据Y。我正在使用分层混合模型，如下所示：

Y ~ p*Poisson(N*lambda1) + (1-p)*Poisson(N*lambda2)
lambda1 ~ Gamma(a,b)
lambda2 ~ Lognormal(c,d)
a ~ Gamma(1,1)
b ~ Gamma(1,1)
c ~ Normal(0,1)
d ~ Gamma(1,1)

这里，Y是我观察到的计数数据，N是已知的。

我写了一个简单的rjags模型，我一直在玩它。然而，当在简单的模拟数据上进行测试时，我得到了非常糟糕的结果。下面是生成模拟数据并运行模型的代码：

a <- 0.5
b <- 0.5
c <- -10
d <- 1

lambda1 <- rgamma(30,a,b)
lambda2 <- rlnorm(70,c,d)
counts <- rpois(100,1000*c(lambda1,lambda2))

model_string <- "model{
  # Likelihood 
  for (i in 1:n) {
    mu1[i] <- N*lambda1[i]
    mu2[i] <- N*lambda2[i]
    lambda1[i] ~ dgamma(a,b)
    lambda2[i] ~ dlnorm(c,d)
    m[i] ~ dcat(mprior[])
    mu[i] <- equals(m[i],1)*mu1[i] + equals(m[i],2)*mu2[i]
    Y[i] ~ dpois(mu[i])
  }
  # Prior
  mprior[1] <- 0.5
  mprior[2] <- 0.5
  a ~ dgamma(1,1)
  b ~ dgamma(1,1)
  c ~ dnorm(0,1)
  d ~ dgamma(1,1)
}"

model <- jags.model(textConnection(model_string), 
                    data = list(Y=counts,N=1000,n=100))
update(model,10000)
samp <- coda.samples(model, 
                     variable.names=c("a","b","c","d","m"), 
                     n.iter=20000)

print(colMeans(samp[[1]])[1:4])

运行后，a，b，c，d的后验估计非常差，分量赋值m也不能很好地与真实赋值匹配。我还注意到，绘制链表看起来并不好，即使增加迭代次数也是如此。

有什么建议吗？我不确定我是不是用最好的方法来配这种混合物。如果有其他更容易使用的发行版，我也绝对愿意改变我在a，b，c，d上的经验。

bayesian

jags

rjags

回答 1

Stack Overflow用户

发布于 2019-08-30 01:41:28

在你的JAGS模型中，lambda依赖于i，这可能不是你的本意。该模型不能使用这样的定义来估计参数，因为基本上有太多的lambda，或者换句话说，每次绘制都遵循它自己的分布。

也许模型应该看起来更像

lambda1 ~ dgamma(a,b)
lambda2 ~ dlnorm(c,d)

或者，如果您真的想要单独的lambda，那么您将需要更多的每个lambda的绘制，以便后验分布有意义。现在，您仅使用每个lambda一个数据点进行估计。

同样的情况也适用于你对混合物使用的分类分布。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/57421481

复制

相似问题

问Rjags中的分层混合模型
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Rjags中的分层混合模型EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Rjags中的分层混合模型
EN