Python PyMC Pareto+;具有未知α的正常值不';对于非常小的噪声,不能收敛
我尝试使用pymc解决一个简单的模型:Python PyMC Pareto+;具有未知α的正常值不';对于非常小的噪声,不能收敛,python,bayesian,pymc,Python,Bayesian,Pymc,我尝试使用pymc解决一个简单的模型: 我知道N=1000个通量是从帕累托分布得出的:通量~Pareto(alpha,1) 我试图计算出帕累托函数的alpha参数:alpha~Uniform(1,3) 我的通量测量受到高斯噪声的污染:通量_meas~Gaussian(通量,tau) 目前,我只是想模拟一下,如果我改变噪音的大小会发生什么 问题是,当我在非常小(即可以忽略不计)的噪声量下运行模型时,每次运行的alpha平均值都会发生根本性的变化,并且似乎与alpha的真实值没有任何关系。但是,
- 我知道N=1000个通量是从帕累托分布得出的:通量~Pareto(alpha,1)
- 我试图计算出帕累托函数的alpha参数:alpha~Uniform(1,3)
- 我的通量测量受到高斯噪声的污染:通量_meas~Gaussian(通量,tau)
import pymc
N = 1000
true_alpha = 2
noise = 0.001 # This noise is much smaller than the signal
# Simulated fluxes
s_arr = pymc.rpareto(true_alpha, 1, size=N)
# the unknown alpha
alpha = pymc.Uniform('alpha', 1, 3)
# fluxes are drawn from a Pareto distribution
flux = pymc.Pareto('flux', alpha, 1, size=N)
# My observed fluxes are contaminated by Gaussian noise
flux_meas = pymc.Normal('flux_meas', mu=flux, tau=noise**-2, observed=True,
value=pymc.rnormal(s_arr, tau=noise**-2, size=N))
model = pymc.MCMC([alpha, flux, flux_meas])
# If I run this model several times, the mean of alpha will be somewhere between
# 1 and 3. The variance of alpha is pretty small
model.sample(5000, 1000, 5)
以上型号对我来说运行良好:
In [5]: alpha.summary()
alpha:
Mean SD MC Error 95% HPD interval
------------------------------------------------------------------
2.473 0.079 0.005 [ 2.317 2.612]
Posterior quantiles:
2.5 25 50 75 97.5
|---------------|===============|===============|---------------|
2.317 2.422 2.474 2.522 2.613
您如何归纳您报告的高度可变的输出?请记住,
alpha
指定的统一变量不是alpha变化的模型,它是先验变量,因此指定了我们在alpha
中的不确定性,很抱歉这么晚才回到这里。α平均值=2.473是与真α的许多标准偏差。如果我再次运行该模型,alpha平均值将是与前一个平均值(以及真α)的许多标准偏差。我预计多次运行将收敛于真α。即使“噪音”非常小,也会发生这种情况。此外,如果我运行模型时观察到的是“通量”而不是“通量”,那么模型的多次运行总是收敛到alpha=true_alpha。