PyMCを使用してデータに2つの正規分布を当てはめる方法については、a question on CrossValidatedがあります。 Cam.Davidson.Pilonの答えは2面の法線のいずれかにデータを割り当てるために、ベルヌーイ分布を使用していた:PyMCで3つの法線の混合をモデル化する方法は?
size = 10
p = Uniform("p", 0 , 1) #this is the fraction that come from mean1 vs mean2
ber = Bernoulli("ber", p = p, size = size) # produces 1 with proportion p.
precision = Gamma('precision', alpha=0.1, beta=0.1)
mean1 = Normal("mean1", 0, 0.001)
mean2 = Normal("mean2", 0, 0.001)
@deterministic
def mean(ber = ber, mean1 = mean1, mean2 = mean2):
return ber*mean1 + (1-ber)*mean2
は今、私の質問は:法線でそれを行う方法?
基本的には、ベルヌーイ分布と1ベルヌーイをもう使用できないという問題があります。しかし、それをどうやって行うのですか?
編集:CDPの提案で、私は次のコードを書いた:
import numpy as np
import pymc as mc
n = 3
ndata = 500
dd = mc.Dirichlet('dd', theta=(1,)*n)
category = mc.Categorical('category', p=dd, size=ndata)
precs = mc.Gamma('precs', alpha=0.1, beta=0.1, size=n)
means = mc.Normal('means', 0, 0.001, size=n)
@mc.deterministic
def mean(category=category, means=means):
return means[category]
@mc.deterministic
def prec(category=category, precs=precs):
return precs[category]
v = np.random.randint(0, n, ndata)
data = (v==0)*(50+ np.random.randn(ndata)) \
+ (v==1)*(-50 + np.random.randn(ndata)) \
+ (v==2)*np.random.randn(ndata)
obs = mc.Normal('obs', mean, prec, value=data, observed = True)
model = mc.Model({'dd': dd,
'category': category,
'precs': precs,
'means': means,
'obs': obs})
次サンプリング手順でトレースが同様に良く見えます。解決済み!
mcmc = mc.MCMC(model)
mcmc.sample(50000,0)
mcmc.trace('means').gettrace()[-1,:]
ありがとうございました。私はカテゴリとディリクレを考えました。私を混乱させるものは、 'return ber * mean1 +(1-ber)* mean2'の行に入れるべきものです。私は提案で質問を更新しました。これが正しい方法であるかどうか教えてください。 –
@ user538603更新しました! –
さて、それは助けになります。私はあなたの助けを思いついた完全なコード例を追加しましたが、それはまだ収斂していません。 –