我正在尋找一個模型來估計與Stan有關的二項數據的多個概率。我對每種概率都使用了Beta測試版,但我一直在閱讀關於使用hyperpriors來收集信息並鼓勵估計收縮的文章。與Stan有關的分層模型的超級啓發
我已經看到了這個例子來定義pymc的hyperprior,但我不知道怎麼做類似的事情斯坦
@pymc.stochastic(dtype=np.float64)
def beta_priors(value=[1.0, 1.0]):
a, b = value
if a <= 0 or b <= 0:
return -np.inf
else:
return np.log(np.power((a + b), -2.5))
a = beta_priors[0]
b = beta_priors[1]
A和B,然後被用作前公測參數。
任何人都可以給我任何關於如何做與斯坦類似的指針嗎?
該手冊包含如何建立分層和multilvel模型(你在說什麼關於這裏)的例子很多。我們的先驗的基本建議是在迴歸手工章,也該wiki頁面:https://github.com/stan-dev/stan/wiki/Prior-Choice-Recommendations –
也有分層模型的案例研究,特別是一個直接有關的對比hyperpriors爲二項式與迴歸只有一個攔截(的結果是,你可能不希望使用的β-二項式或狄氏-multinomials)的二元變量:HTTP:// MC-斯坦。組織/用戶/文檔/案例研究/池二進制試驗。html –
@BobCarpenter看起來真的很有幫助 - 謝謝。我正在爲AB測試做這件事,對於更復雜的測試,我認爲在迴歸框架中工作會更有意義。能夠像在案例研究中一樣排列變體,對於將結果傳達給同事也很有用。 –