Ich bin auf der Suche nach einem Modell, um mehrere Wahrscheinlichkeiten für Binomialdaten mit Stan zu schätzen. Ich habe für jede Wahrscheinlichkeit Beta-Priors verwendet, aber ich habe gelesen, dass Hyperpriors zum Sammeln von Informationen verwendet werden, und ermutigen, die Schätzungen zu schrumpfen.Hyperpriors für hierarchische Modelle mit Stan
Ich habe dieses Beispiel zu sehen, die hyperprior in pymc zu definieren, aber ich bin nicht sicher, wie mit Stan etwas ähnlichem zu tun
@pymc.stochastic(dtype=np.float64)
def beta_priors(value=[1.0, 1.0]):
a, b = value
if a <= 0 or b <= 0:
return -np.inf
else:
return np.log(np.power((a + b), -2.5))
a = beta_priors[0]
b = beta_priors[1]
Mit a und b dann als Parameter für die frühere Beta verwendet wird .
Kann jemand mir irgendwelche Hinweise geben, wie etwas Ähnliches mit Stan gemacht würde?
Das Handbuch enthält viele Beispiele, wie man hierarchische und mehrstufige Modelle erstellt (worüber Sie hier sprechen). Unsere grundlegenden Empfehlungen für Prioren finden Sie im Handbuch Kapitel in Regression und auch auf dieser Wiki-Seite: https://github.com/stan-dev/stan/wiki/Prior-Choice-Recommendations –
Es gibt auch Fallstudien zu hierarchischen Modellen, speziell eine direkt über binäre Variablen, die Hyperprior für Binome mit einer logistischen Regression mit nur einem Schnittpunkt kontrastiert (das Ergebnis ist, dass Sie wahrscheinlich keine Beta-Binomials oder Dirichlet-Multinomials verwenden möchten): http: // mc-stan. org/users/documentation/Fallstudien/Pool-Binary-Versuche.html –
@BobCarpenter Das sieht wirklich hilfreich aus - danke. Ich mache das für AB-Tests, und für kompliziertere Tests hielt ich es für sinnvoller, in einem Regressionsrahmen zu arbeiten. Die Möglichkeit, Varianten wie in der Fallstudie zu bewerten, könnte auch nützlich sein, um Ergebnisse an Kollegen zu kommunizieren. –