Question

我正在使用以下设置处理EVT模型：

以pm.Model（）作为模型：

File "D:/projects/side_master/src/documentation/src/2.txt" not found.

它基于广义帕累托分布，用于超过给定阈值的样本（已在data_ex_neg_tail_inv中选择）

我真正想做的是使用这些reference priors。

但是我目前不知道如何在pymc3中完成此操作，因为它们是根据pymc3建模似乎不允许的随机变量本身制定的（？）。

我要使用的公式是（用于scale参数）：

# Generalized Pareto.
def gpd_logp(x, sigma, xi):
    if eta == 0:
        return pm.math.log(1/sigma) - x
    else:
        return pm.math.log(1/sigma) - (xi+1)/xi * pm.math.log(xi*x + 1)

# Draw random samples.
def gpd_random(point=None, size=None, **kwargs):
    sigma = point['sigma']
    eta = point['xi']

    # Uniforms for use in inverse CDF
    u = np.random.uniform(size=size)

    if eta == 0:
        return -sigma * np.log(u)
    else:
        return sigma*((u**-xi) - 1)/xi

# Pymc3 combines random variable and distribution into one.
# That's incorrect modeling. I can't use the
# least informative reference prior for scale and shape parameters.
sigma = pm.InverseGamma('sigma', alpha=2, beta=1)
xi = pm.Uniform('xi', lower=0, upper=0.5)
pt = pm.DensityDist('gpd', gpd_logp, random=gpd_random, observed={'x':data_ex_neg_tail_inv, 'sigma':sigma, 'xi':xi})

trace = pm.sample(1000, tune=500, cores=6)
post_pred = pm.sample_posterior_predictive(trace)

有什么办法可以实现？

在PYMC3中使用参考先验

0 个答案: