Question

我观察了几条光发射线，我有一个模型可以根据两个参数q和z预测这些线的几个（通量）比率，我想推断

我创建了@pymc.deterministic个对象，这些对象的值为q和z（每个对象在某些有趣的区域都有无信息的先验），然后将它们转换为＆＃34 ;预测＆＃34;比。大约有7个比率，它们具有以下形式：

@pymc.deterministic(observed=True, value=NII_SII)
def NII_SII_th(q=q, z=z):
    return NII_SII_g(np.array([q, z]))

我还可以定义从观察中得出的比率，例如

@pymc.deterministic
def NII_SII(NII_6584=NII_6584, SII_6717=SII_6717,
            rcf_NII_6584=rcf_NII_6584, rcf_SII_6717=rcf_SII_6717):
    return np.log10(
        (rcf_NII_6584*NII_6584) / \
        (rcf_SII_6717*SII_6717))

其中，例如，NII_6584是其中一条线的观察通量，rcf_NII_6584是同一条线的通量校正。这些校正本身由线波长（已知具有无限精度）和参数EBV确定，参数r可以根据观察到具有固定比率{{1}的两条线的观察通量比来计算。 }：

@pymc.deterministic
def EBV(Ha=Ha, Hb=Hb, r=r, R_V=R_V, Ha_l=Ha_l, Hb_l=Hb_l):
    kHb = gas_meas.calzetti_k(lams=np.array([Ha_l]), Rv=R_V)
    kHa = gas_meas.calzetti_k(lams=np.array([Hb_l]), Rv=R_V)
    return 2.5 / (kHb - kHa) * np.log10((Ha/Hb) / r)

我还有R_V的值。

测量本身表示为正态分布，例如

NII_6584 = pymc.Normal(
    'NII_6584', mu=f_row['[NII]6584'],
    tau=1./e_row['[NII]6584']**2.,
    observed=True, value=f_row['[NII]6584'])

我希望得到R_V，EBV，q和z的估算值。但是，当我从所有这些中pymc Model时，我被告知Deterministic个对象无法观察到值：

TypeError: __init__() got an unexpected keyword argument 'value'

首先，我是否误解了Deterministic对象的性质？如果是这样，我怎么根据没有直接观察到的值来推断？

第二，我是否正确构建了观察结果？奇怪的是，我必须将观察到的通量指定为均值和值参数，但除了模拟通量均值和方差之外，我还不清楚还有什么可做的。似乎不必要的复杂。

任何建议都将不胜感激！

Answer 1

我认为你并没有正确地构建你的观察结果。这不是一个最低限度的工作示例，但也许我们可以澄清一些混乱。

首先，我不认为@deminministic装饰器接受参数value = <something>。目前尚不清楚哪些确定性陈述是实际模型，但尝试将代码转换为以下模板：

#Define your randomly-distributed variables (I'm assuming they're normal)
q = pymc.Normal(name,mu=mu,tau=tau)
z = pymc.Normal(name2,mu=mu2,tau=tau2)

#Define how you think they generate your data
@pymc.deterministic
def NII_SII_th(q=q, z=z):
    return NII_SII_g(np.array([q, z])) #this fcn is defined somewhere else

#Your data array
f_row['[Nii]6584']=[...]

#Now link your model and your data
obs = pymc.Normal(modelname,mu=NII_SII_th,
                  observed=True, value=f_row['[NII]6584'])

pymc：根据可观察量

1 个答案: