PyMC:在拟合模型时设置约束

Question

我试图通过MCMC方法与PyMC拟合变量时设置约束.例如,我在PyMC中定义了以下随机模型

import pymc as pm
a=pm.Uniform('a',lower=0.,upper=1.,value=0.2)
b=pm.Uniform('b',lower=0.,upper=1.,value=0.2)

如何定义模型以使b总是更小或等于？这是一种有效的方法吗？

a=pm.Uniform('a',lower=0.,upper=1.,value=0.2)
b=pm.Uniform('b',lower=0.,upper=b,value=0.2) #used a as the upper bound for b

Answer 1

我相信你的意思是“upper=a”。

我认为您可以将“b”定义为随机变量，依赖于“a”，如下所示：

import pymc as pm
import numpy as np
import scipy.stats as scs

@pm.stochastic
def b(value=0.0, a=a):
    def logp(value, a):
        if 0 <= value <= a:
            return np.log(1/a)
        else:
            return -np.inf

    def random(a):
        return scs.uniform(0, a).rvs()

现在，您可以通过调用“b.random()”来测试该变量，并且您应该看到上面以“a”（“a.value”）为界的均匀分布。

查看有关变量的 PyMC 文档。