用rjags估计截断正态分布的均值和方差

我想估计正态分布的总体平均值和标准偏差，正态分布在特定值处被截断。更具体地说，我想通过使用截断分布来获得这些不可信分布的估计

我使用了

rjags

包来做这件事，但我得到的估计值甚至不接近总体平均值和标准偏差。因此，我可能犯了一个错误，但我不知道错误是什么。代码如下：

library(rjags)

sigma <- 1 # Standard deviation in population

y <- qnorm(seq(1/101, 1/101*100, 1/101), mean = 0, sd = sigma) # Observed scores
y <- y[y > 0] # Truncated scores
k <- length(y) # Number oberved effect sizes which are left after truncation

### Model
modelstring <- "
model
{
  for(i in 1:k){
        y[i] ~ dnorm(mu,prec)T(0, )
    }
    mu ~ dnorm(0,.001)
    sigma ~ dunif(0,100)
    prec <- 1/(sigma*sigma)
  }
"

### Running jags
model <- jags.model(textConnection(modelstring),
                   data = list('y' = y,
                               'k' = k),
                   n.chains = 4,
                   n.adapt = 1000)

update(model, 10000)

jags.samples(model,
             c('mu', 'sigma'),
             10000)

库（rjags）
西格玛：你说话不连贯
y
是一个分位数向量，而它应该是一个随机向量（通过
rnorm
而不是
qnorm
获得）。例如，我同意。但是，如果它不适用于分位数，它也肯定不适用于随机数。将
T（0，）
替换为
T（mu，）
，以实际复制生成数据的模型。好的，谢谢，这看起来更好了w.r.T.估计值！。你能解释一下当截断为T（mu，）时为什么它会起作用吗？在我看来，这有点违反直觉。如果不指定分布的约束为半正态（即在其平均值处截断），则其他截断的正态非常适合（具体来说，平均值为0.8，sd为0.6）。这可能有助于可视化正在发生的事情：
曲线（ifelse（x>0，dnorm（x，0.8，0.6），0），-0.5，3，n=10000）；abline（v=c（0,0.8），lwd=3，col=c（'00000030'，'ff000030'）；点（y，抖动（代表（0，k）），pch=20，cex=0.8，col='#00000050'）
。