Question

我正在尝试建模一个过程，其中二项式过程中使用的试验次数 n 是由非齐次泊松过程生成的。我目前正在使用PyMC来拟合Poisson部分（示例here，没有整个封顶部分），但我无法弄清楚如何将它与二项式集成。如何利用泊松过程生成我所生成的并将其用于拟合二项式过程？或者有更好的方法来使用类似的方法吗？

这是我尝试过的：

import pymc as pm
import numpy as np

t = np.arange(5)

a = pm.Uniform(name='a', value=1., lower=0, upper=10)
b = pm.Uniform(name='b', value=1., lower=0, upper=10)

@pm.deterministic
def linear(a=a, b=b):
    return a * t + b

N_A = pm.Poisson(mu=linear, name='N_A')
C = pm.Beta('C', 1, 1)
obs_A = pm.Binomial('obs_A', N_A, C, observed=True, value=np.array([0,1,4,3,7])

mcmc = pm.MCMC([obs_A, C, N_A, a, b])
mcmc.sample(10000,5000)

当我尝试拉取样本时，会抛出错误

pymc.Node.ZeroProbability: Stochastic obs_A's value is outside its support, or it forbids its parents' current values.

我确定我错误地制定了这个，但我不确定如何。

Answer 1

出现错误是因为自动生成的N_A初始值（试验次数）小于pm.Binomial中指定的某些观测值，即观察到此数字的概率为零，并且必须拒绝初始值。一种解决方案是明确地为N_A提供可接受的初始值：

x = np.array([0,1,4,3,7])
N_A = pm.Poisson(mu=linear, name='N_A', value=x)

供参考：https://github.com/pymc-devs/pymc/issues/12：

这是一个模型错误规范问题，而不是错误。这意味着可能性的初始参数值与数据不兼容 - 您需要指定兼容的初始值。

试图取样时，PyMC抛出错误或崩溃

1 个答案: