Question

我正在尝试使用pymc从观察中学习潜在变量。简化版如下：

我想学习两个隐藏参数$ \ lambda_0，\ lambda_1 $，

虽然分别使用这些参数有两个发行版$ X_0，X_1 $：

$ X_0 \ sim Expon（\ lambda_0）$，$ X_1 \ sim Expon（\ lambda_1）$。

我没有观察$ X_i $。相反，我观察到这些变量的线性组合： $ x_0 ^ {（0）} + x_1 ^ {（1）} + x_1 ^ {（1）} = 6 $， $ x_0 ^ {（1）} = 2 $。

我最初的做法是这样的，但我不认为它有效：

import pymc

lambda0 = pymc.Uniform('lambda0', 0, 10)
lambda1 = pymc.Uniform('lambda1', 0, 10)
x00 = pymc.Exponential('x00', lambda0)
x01 = pymc.Exponential('x01', lambda0)
x10 = pymc.Exponential('x10', lambda1)
x11 = pymc.Exponential('x11', lambda1)
z = pymc.Normal('z', mu=[x00+x10+x11, x01], tau=1.0, value=[6, 2], observed=True)

model = pymc.Model([lambda0, lambda1, x00, x01, x10, x11, z])
mcmc = pm.MCMC(model)
mcmc.sample(10000)

你能帮我解决这个玩具的例子吗？

Answer 1

在将指数变量用作参数之前，应该创建指数变量的确定性。试试这个：

mu = [x00+x10+x11, x01]
z = pymc.Normal('z', mu=mu, tau=1.0, value=[6, 2], observed=True)

此外，您不需要实例化Model和MCMC对象。只是后者：

mcmc = pymc.MCMC([lambda0, lambda1, mu, z])

PyMC：来自独立分布的两个值的总和

1 个答案: