我看到了on another forumPyStan与RStan的函数不同,它们使用posterior_interval()
,但是我们可以使用numpy.percentile()
。我目前正在使用PyStan中的^{numpy.percentile()
函数是否与{
我试图找到参数分布的95%区间,但这并没有给结果一个很好的置信区间。尤其是,我认为它不好,因为当我期望后验函数呈现多峰分布时,我使用numpy.percentile()
进行的置信区间在后验二维高斯斑片内。在
我想95%的间隔时间应该是从后面。我会使用百分位函数和优化函数来获得95%可信的后验结果吗?
您可以直接从
pystan.stansummary
检索您想要的百分位:这应该行得通。在
要获得后验估计的界,需要对后验点进行抽样,而} 方法从后面生成MCMC绘图。在
pystan.StanModel.optimizing
没有这样做。相反,使用^{如果您只需要标准置信区间的读数,那么
pystan.StanFit.stansummary()
方法就足够了,因为这将为每个参数打印2.5%、25%、50%、75%和97.5%的分位数。例如或者,如果您需要特定的分位数,您可以使用
numpy.percentile
,如您所述。在但是,正如您正确地观察到的,这对于多模式分发是不合适的。这种情况在a different answer中讨论过,但是请注意,如果期望多个模式先验,则通常使用混合模型将模式分离为不同的单峰随机变量。在
相关问题 更多 >
编程相关推荐