Ich versuche 95% glaubwürdige Intervall von 50 Stichprobe Mittel zu finden. Probengrößen reichen von 2 bis 600, und die Werte in jeder Probe werden zwischen 1 und 5 ex begrenzt:Bayesian Schätzung von log-normal mit JAGS
sample 1 = (1,3.5,2.8,5,4.6)
sample 2 = (1,5)
sample 3 = (4.1,1.1,5,3.5,2,2.4,...)
Proben mit einer Größe von 10 oder mehr haben, eine Lognormalverteilung, wo i JAGS für Bayesian Schätzung verwenden die lognormalen Parameter angepasst von John K. Kruschke, mit Modellspezifikation wie folgt:
modelstring = "
model {
for(i in 1 : N) {
y[i] ~ dlnorm(muOfLogY , 1/sigmaOfLogY^2)
}
sigmaOfLogY ~ dunif(0.001*sdOfLogY , 1000*sdOfLogY)
muOfLogY ~ dunif(0.001*meanOfLogY , 1000*meanOfLogY)
muOfY <- exp(muOfLogY+sigmaOfLogY^2/2)
modeOfY <- exp(muOfLogY-sigmaOfLogY^2)
sigmaOfY <- sqrt(exp(2*muOfLogY+sigmaOfLogY^2)*(exp(sigmaOfLogY^2)-1))
}
"
Das Modell mit Probengröße> 10 jedoch gut funktioniert, mit 3 < = Proben < 10i in Obergrenze Extremwert bekam (z. B. 3000), die den maximal möglichen Wert des Mittelwerts (z. B. 5) überschritten hat. Bei Stichprobengröße = 2, erhielt ich die folgenden Fehler:
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :
NA/NaN/Inf in 'y'
Ich bin neu in JAGS und kann nicht herausfinden, wie diese Probleme zu lösen. Ich denke für smapes < 10 ist die Verteilung nicht mehr lognormal! Irgendwelche Ideen? Danke