Model 贝叶斯模型：求mu的最小值

我一直试图用贝叶斯方法解决一个问题，但我不知道如何编写模型

我试图找到mu的值，这样x=mu+Error，Error~Gamma（a，b）（或其他分布）

基本上我想说的是：

for(i in 1:N) {
  x[i] <- mu + tau[i]
  tau[i] ~ dgamma(0.001, 0.001)
}
mu ~ dunif(0.0, 1000)

for（1:N中的i）{
x[i]如果我理解正确，我认为您应该导出BUGS之外x值的最小值（mu），并将其作为数据的一部分传递，或者直接给出tau。这是必要的，因为BUGS中的min函数不会对整个向量起作用。也许像这样的模型（和数据）是合适的：

#BUGS model
model{
    #data manipulations
    for(i in 1:N){
        tau[i] <- x[i]-mu
    }

    #model
    for(i  in 1:N){
        y[i] ~ dlnorm(tau[i], y.tol)
        log.y[i] <- log(y[i])
    }

    #prior
    y.tol ~ dunif(0,1000)
}

#data
list(x=c(5,3,8,9,3,6,8,2,4,11), N=10, mu=2)

#错误模型
模型{
#数据操作
for（1:N中的i）{
tau[i]如果我理解正确，我认为您应该导出Bug之外x值的最小值（mu），并将其作为数据的一部分传递，或者直接给出tau。这是必要的，因为Bug中的min函数不会对整个向量起作用。也许像这样的模型（和数据）是合适的：

#BUGS model
model{
    #data manipulations
    for(i in 1:N){
        tau[i] <- x[i]-mu
    }

    #model
    for(i  in 1:N){
        y[i] ~ dlnorm(tau[i], y.tol)
        log.y[i] <- log(y[i])
    }

    #prior
    y.tol ~ dunif(0,1000)
}

#data
list(x=c(5,3,8,9,3,6,8,2,4,11), N=10, mu=2)

#错误模型
模型{
#数据操作
for（1:N中的i）{
tau[i]你能澄清你的数据来自何处吗？也许给出完整的模型或说明x如何连接到数据吗？嗨@gjabel，x是一些特定活动的时间记录，因此会有一些“最短”时间可以完成，这是我感兴趣的。当然，数据（x）将分布在该值之上，类似于从该值（μ）开始的伽马分布或对数正态分布，大多数值略高于并逐渐减少。我一直在网上四处寻找，但没有找到类似的东西。你能澄清一下你的数据来自何处吗？也许给出完整的模型或说明x与数据的连接方式吗？嗨@gjabel，x是一些特定活动的时间记录，所以会有一些“最短”的时间ne in，这是我感兴趣的。当然，数据（x）将分布在这个值之上，类似于从这个值（mu）开始的伽马分布或对数正态分布，大多数值略高于并逐渐变小。我一直在网上搜索，但没有找到类似的内容。谢谢@gjabel，这很有用。这对估计“x”的“最小”可能值没有帮助，但我会试着摆弄它，看看它能给我带来什么。谢谢@gjabel，这很有帮助。对估计“x”的“最小”可能值，但我会尝试摆弄它，看看它能给我带来什么。