Python 如何指定任意、有界的多元分布？

我正在尝试拟合一个贝塔二项回归模型，并希望在参数

a，b

上指定以下先验值：

p(a, b) ~ | (a + b)^(-5/2) if a > 0 and b > 0
          | 0 otherwise.

到目前为止，我已尝试通过以下方式使用

DensityDist

：

import pymc3 as mc

logp = lambda x: mc.switch(
    mc.and_(mc.gt(x[0], 0), mc.gt(x[1], 0)),
    -2.5 * mc.log(x[0] + x[1]),
    -np.inf)

ab = mc.DensityDist('ab', logp, shape=(2,), testval=(1, 1))

但是像这样分段定义可能性（可以理解）会导致中的数值优化出现问题，例如，

find\u MAP

---

我遇到过

有界的

，它允许定义有界的一维分布，但还没有弄清楚如何将其扩展到多元分布。是否有可能以一种惯用的方式实现上述功能，从而很好地与数值优化配合使用？

您可能会用一个非常大的数字替换np.inf。那么概率分布基本上还是一样的，但是优化器仍然可以正常工作。