我目前正在嘗試與PyMC進(jìn)行模型檢查，我的模型是一個(gè)Bernoulli模型，我有一個(gè)Beta版本。我想做一個(gè)(I)gof圖和(ii)計(jì)算后驗(yàn)預(yù)測(cè)p值。在

我已經(jīng)用一個(gè)二項(xiàng)式模型運(yùn)行我的代碼，但是我很難找到使伯努利模型工作的正確方法。不幸的是，在任何地方都沒有我可以學(xué)習(xí)的例子。我的代碼如下所示：import pymc as mc

import numpy as np

alpha = 2

beta = 2

n = 13

yes = np.array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0,0,0])

p = mc.Beta('p',alpha,beta)

surv = mc.Bernoulli('surv',p=p,observed=True,value=yes)

surv_sim = mc.Bernoulli('surv_sim',p=p)

mc_est = mc.MCMC({'p':p,'surv':surv,'surv_sim':surv_sim})

mc_est.sample(10000,5000,2)

import matplotlib.pylab as plt

plt.hist(mc_est.surv_sim.trace(),bins=range(0,3),normed=True)

plt.figure()

plt.hist(mc_est.p.trace(),bins=100,normed=True)

mc.Matplot.gof_plot(mc_est.surv_sim.trace(), 10/13., name='surv')

#here I have issues

D = mc.discrepancy(yes, surv_sim, p.trace())

mc.Matplot.discrepancy_plot(D)

我遇到的主要問(wèn)題是確定discrepancy函數(shù)的期望值。僅僅使用p.trace()在這里不起作用，因?yàn)檫@些是概率。不知何故，我需要在這里加入樣本量，但我正努力以一種類似于二項(xiàng)式模型的方式來(lái)實(shí)現(xiàn)這一點(diǎn)。我也不太確定，我是否正確地做了gof_plot。在

希望有人能幫我！謝謝！在

總結(jié)

以上是生活随笔為你收集整理的python模型检验_PyMC-Bernoulli模型检验的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。