我遇到了定义多维随机变量边界的问题。 这是一个虚假的例子来解释我的问题。
如果我想在[0,100]
之间有一个3维离散均匀import pymc as mc
from numpy import empty
truth = mc.DiscreteUniform("bin1", lower=0, upper=100, value=[50,50,50], size=3)
@mc.deterministic(plot=False)
def unfold(truth=truth):
out = empty(3)
for r in xrange(3):
out[r] = truth[r]
return out
data = [5, 10, 30]
unfolded = mc.Poisson('unfolded', mu=unfold, value=data, observed=True, size=3)
model = mc.Model([unfolded, unfold, truth])
mcmc = mc.MCMC( model )
mcmc.use_step_method(mc.AdaptiveMetropolis, truth)
mcmc.sample(10000,1000,10)
这将为3个箱子采样一个DiscreteUniform,每个箱子的范围相同(0到100之间)。
现在,我尝试了几个方法来为每个bin定义不同的范围,但是不能成功。我尝试了DiscreteUniform的数组和边界数组(上部,下部),但它们显然不起作用。
有没有人知道如何为随机变量的各个区域定义不同的范围?
答案 0 :(得分:0)
要定义不同的范围和初始值,需要调用随机构造函数N次以创建变量列表,然后使用Container构造函数使列表pymc可读:
bin1 = mc.DiscreteUniform("bin1", lower=0, upper=100, value=50, size=1)
bin2 = mc.DiscreteUniform("bin2", lower=0, upper=40, value=20, size=1)
bin3 = mc.DiscreteUniform("bin3", lower=10, upper=50, value=30, size=1)
truth = mc.Container([bin1,bin2,bin3])