Почему я получаю сообщение об ошибке WinBugs "неопределенный реальный результат"?

Question

У меня есть байесовская пространственная иерархическая модель, которая моделирует количество преступлений для четырех типов преступлений. Во время работы MCMC я записывал 10000 итераций и продолжал работать на каждой 10-й итерации, чтобы улучшить графики автокорреляции при проверке диагностики сходимости.

Моя цель состояла в том, чтобы сохранить 10000 прореженных итераций для получения апостериорных оценок. Однако после 7700 итераций эта ошибка появляется, и я не знаю, как ее исправить. Я попытался изменить свои начальные значения (даже указав разные значения для каждого элемента в векторах), но симуляция все еще останавливается после 7700 итераций.

Код:

model {
for (i in 1:N) {    ### areas (1, 2,…, 67)
    for (k in 1:K) {    ### types (1, 2,..., 4)
        y[i,k] ~ dpois(mu[i,k])
        ### centering parameterization of log(mu[i,k])
        log(mu[i,k]) <- log.rates[i,k]
        log.rates[i,k] ~ dnorm(theta[i,k], tau[k])
        theta[i,k] <- alpha[k] + (lambda[k] * f[i]) + s[k,i]}}
    ### set weights for ICAR prior
for (j in 1:sumNumNeigh) { weights[j] <- 1 }

### shared component for all crimes
f[1:N] ~ car.normal(adj[], weights[], num[], 1)  ### random effects for shared component

for (k in 1:K) {     ### scaling parameters for shared component
    loglambda[k] ~ dnorm(0, 5.9)
    loglambda.c[k] <- loglambda[k] - loglambda.mean
    lambda[k] <- exp(loglambda.c[k])
}

loglambda.mean <- mean(loglambda[1:K])

### type-specific spatial random effects
for (k in 1:K) {
s[k,1:N] ~ car.normal(adj[], weights[], num[], tau_s[k])
}

### recover type-specific unstructured random effects
for (i in 1:N) {
    for (k in 1:K) {
        u[i,k] <- log.rates[i,k] - theta[i,k]
    }
}
for (k in 1:K) {
    alpha[k] ~ dflat()
    sigma_s[k] ~ dunif(0, 100)
    sigma[k] ~ dunif(0, 100)
    tau_s[k] <- pow(sigma_s[k],-2)
    tau[k] <- pow(sigma[k], -2)
    }
}
}

Пример сообщения об ошибке:

undefined real result

 SpatialCARNormal.Node.Likelihood   [0000060CH] 
.logLikelihood  REAL    1.762991566369145E-311
.logTau REAL    inf
.node   SpatialCARNormal.Node   [04DDDBF0H] 
.p0 REAL    266.5
.p1 REAL    1.149804409577816E-301
.tau    REAL    inf
.x  GraphNodes.Node [5F4E6750H] 
 UpdaterSlice.Updater.Conditional   [000000A6H] 
    .cond   REAL    0.0
    .linearCoef REAL    0.0
    .list   GraphStochastic.List    [301C6630H] 
    .node   GraphStochastic.Node    [04DDDBF0H] 
    .prior  GraphStochastic.Node    [04DD4670H] 
    .quadCoef   REAL    0.0
    .updater    UpdaterSlice.Updater    [30992560H] 
    .x  REAL    2.265196125639775E-155