Question

我还在了解更多关于bsts Package的信息，所以我正在使用R AirPassengers数据集并学习如何在预测中创建BSTS模型，

###library(lubridate)

###library(bsts)

###library(dplyr)

###library(ggplot2)

###Load the data

data("AirPassengers")

Y <- window(AirPassengers, start=c(1949, 1), end=c(1959,12))

ss <- AddLocalLinearTrend(list(), Y)

ss <- AddSeasonal(ss, Y, nseasons = 12)

bsts.model <- bsts(Y, state.specification = ss, niter = 500, ping=0, seed=2016)

burn <- SuggestBurn(0.1, bsts.model)

p <- predict.bsts(bsts.model, horizon = 12, burn = burn, quantiles = c(.025, .975))

我发现当我进一步查看bsts.model时，bsts.model $ previous返回给我这样的东西

Prior returning only 1 value

然后bsts.model$log.likelihood

BSTS Model Log.Likelihood with 500 MCMC draws

我认为后验分布的最后一个p $分布就是这个

Posterior distribution with 473 MCMC after burn each for month

以及我想知道的事情：

为什么先前只给出这一个值而不是分布？是否可以将这些绘制成一张图片/情节？

我使用EasyFit软件检查了AirPassengers数据集，然后使用这些参数ibb.co/dxwrvm将结果安装到Beta Distribution，但我想知道更多是否可以使用R来实现这些...

提前谢谢你

[编辑 - 2017年11月18日] ------------------------------------ --------------------

在下面我只能在可能性和后验之间进行绘图，因为我仍然无法得到先验来自何处的想法：

积（密度（ρ$分布））

行（密度（AirPassengers），类型=“l”）

Result Plotting

如果我定义自己的先验，我将使用随机t分布与rt（1000,12,650）它生成1000次迭代，df = 12，中心线= 650，它将匹配整个绘图图像：

drawt = rt（1000,12,650）

线（密度（drawt））

with own prior definition

所以它清楚地看到这个先前（右侧）x似然（左侧）创造了这些后验分布，但是bsts包可以生成后面而我没有定义任何先验..有人可以帮我解释一下吗？

（我已经搜索了史蒂夫提到的州规范，但它只是给我一些趋势和季节性的先前信息列表，我仍然很难理解先前的分布在哪里，如果有的话，请在代码中给我更多真实的例子）

Answer 1

先验是观察方差的先验。它是一个反伽马分布，其中prior.guess作为标准偏差的猜测，而prior.df作为先前的样本大小。请参阅SdPrior的帮助页面。

我不确定你的意思是＆＃34; beta发布＆＃34;。 β分布是[0,1]上的分布（即它的支持）。你可能意味着＆＃34;分发在β＆＃34;＆＃34;＆＃34; （即回归系数），但在这个例子中没有意义，因为你所适合的模型没有回归系数。

另请注意，状态模型的参数有（独立的）先验分布。由于您使用的两种状态模型都是随机游走的组合，因此这些模型的唯一参数是随机游走中相应误差项的方差，因此这些也将是伽玛分布。您可以通过检查bsts.model $ state.specification找到这些先前的发行版。它是您在bsts调用中传递的state.specification参数的副本。在您的情况下，它是一个包含两个元素的列表，每个元素对应一个状态（趋势和季节性）。

Answer 2

所以我最近做了很多研究，包括试验，错误和谷歌搜索，我发现这项研究使用贝叶斯比我见过的其他人更有用

http://sisifospage.tech/2017-10-30-forecasting-bsts.html

并且我自己得出结论，将这些（先前，数据可能性，后验）预测到这样的一个图中：

情节（密度（bsts.model $ one.step.prediction.error），xlim = c（-100,1000），ylim = c（0,0.035）） //这些表示先前我假设

行（密度（p $ distribution）） //这些表示后验分布

行（密度（AirPassengers）） //这些表示数据可能性

结果我得到这样的结果：

Results

仍然 [纠正我，如果我错了]

我在R中读到关于Prior的帮助，我发现这些语句[如果模型不包含回归量，那么这只是残差标准差的先验，表示为由SdPrior创建的对象。]但是SdPrior只是数字对象，

和sisifospage.tech确实给出了如何使用SdPrior制作趋势组件的详细解释，然后我知道这些SdPrior及其兄弟是为了创建趋势组件的先前参数，并且最终结果包含在将one.step.prediction.error中的模型作为分析残差。

如何使用来自R的BSTS包在一个图中绘制先验，对数似然和后验

2 个答案: