У меня есть довольно простой пример, который не работает.Моя цель - построить модель Lomax, и, поскольку PyMC3 не имеет распределения Lomax, я использую тот факт, что экспонента, смешанная с гаммой, является Lomax (см. здесь ):
import pymc3 as pm
from scipy.stats import lomax
# Generate artificial data with a shape and scale parameterization
data = lomax.rvs(c=2.5, scale=3, size=1000)
# if t ~ Exponential(lamda) and lamda ~ Gamma(shape, rate), then t ~ Lomax(shape, rate)
with pm.Model() as hierarchical:
shape = pm.Uniform('shape', 0, 10)
rate = pm.Uniform('rate', 0 , 10)
lamda = pm.Gamma('lamda', alpha=shape, beta=rate)
t = pm.Exponential('t', lam=lamda, observed=data)
trace = pm.sample(1000, tune=1000)
Сводка:
>>> pm.summary(trace)
mean sd mc_error hpd_2.5 hpd_97.5 n_eff Rhat
shape 4.259874 2.069418 0.060947 0.560821 8.281654 1121.0 1.001785
rate 6.532874 2.399463 0.068837 2.126299 9.998271 1045.0 1.000764
lamda 0.513459 0.015924 0.000472 0.483754 0.545652 1096.0 0.999662
Я ожидаю, что оценки формы и скорости будут близки к 2,5 и 3 соответственно.Я пробовал различные неинформативные приоры для формы и скорости, включая pm.HalfFlat()
и pm.Uniform(0, 100)
, но оба приводили к худшим припадкам.Есть идеи?