在重新思考-R时使用先验三角分布

我使用R中的重新思考包来制作一个简单的线性模型。在下面的代码中，我对因变量使用了先验正态分布，一切正常

library(rethinking)
col <- alist(
  courework_n ~ dnorm(mean,0.2),
  mean <- a + b*result_n + c,
  a ~ dnorm(0,10),
  b ~ dnorm(0,10),
  c ~ dnorm(0,10)
)
colmap <- map( col , data.frame(data) )

库（重新思考）
col因为
dtriangle
分布不包含
log
参数，这是R/by
重新思考中的概率分布函数所期望的

您可以按如下方式破解
dtriangle
函数：


首先
dput（dtriangle，file=“my\u dtriangle.R”）
将功能代码保存到文件中
编辑要读取的第一行


source（“my_dtriangle.R”）
重新定义工作区中的函数

可以想象，如果使用一个具有紧凑支持的函数（即，在限制值范围外的可能性为零），您将遇到进一步的技术问题。
非常感谢，这是一个可以用于许多其他事情的好技巧，我非常感谢您的帮助。不管怎么说，你是对的，现在我遇到了一个问题，因为dtriangle函数的计算需要x值（与R中的所有其他d分布一样），但我认为当使用ej:dnorm并忽略x值时，重新思考使用了另一个stats系列函数文件。是否可以只使用
…
编写包装函数而不必剪切和粘贴？当你有对数标度时，你通常可以更稳健地直接在对数标度上进行计算。三角形的先验可以有相同的先验，但由于边界位置的不同，它们也会有相同的问题，比如区间上的一致先验。如果质量会延伸到边界之外，边界会将其推离边界，将后验估计推离边界。因此，即使无界估计值在边界附近，边界的存在也会将其推离边界，这对于这类先验来说通常是意外的（通常是因为想要确定解的大致区间和最高密度点）。
install.packages("RTriangle") 
library(triangle)

col <- alist(
  courework_n ~ dtriangle(0,1,mode),
  moda <- a + b*result_n + c,
  a ~ dnorm(0,10),
  b ~ dnorm(0,10),
  c ~ dnorm(0,10)
)

col_map <- map( col , data.frame(data) )

 my_dtriangle <- function (x, a = 0, b = 1, c = (a + b)/2, log=FALSE)

 res <- apply(params, 1, dTest)
 if (log) return(log(res)) else return(res)