pymc的拟合优度和绘图差异

Posted 2023-02-16

我正在使用PYMC 2.3.4。我发现好极了。现在，我想介绍一下拟合度和绘图差异，在文档的第7.3节中如何显示（https://pymc-devs.github.io/pymc/modelchecking.html）他们在文档中说，差异图需要3个输入]

1. x：数据
2. x_sim：后验分布样本
3. x_exp：期望值我可以理解前两个，但不能理解第三个

此代码

Sero=[0,1,4,2,2,7,13,17,90]

Pop=[ 15,145,170,132,107,57,68,57,251]

for i in range(len(Pop)):
   prob[i] = pymc.Uniform(`prob_%i' % i, 0,1.0)

serobservation=pymc.Binomial('serobservation',n=Pop,p=prob,value=Sero,observed=True)
pobservation=pymc.Binomial('pobservation',n=Pop,p=prob)
mod=pymc.Model([serobservation,pobservation,prob])
mc=pymc.MCMC(mod)
mc.sample(20000)

一切正常，然后我尝试绘制差异，但我不理解[[知道要输入的期望值您能帮上忙吗？到目前为止，我已经以这种方式完成了：

D = pymc.discrepancy( Sero,pobservation,serobservation) pymc.Matplot.discrepancy_plot(D, name='D', report_p=True)

但我有错误
AttributeError: 'Binomial' object has no attribute 'trace'

我该怎么办？您能否提供一个示例来说明如何创建期望值？而且当我使用功能
pymc.Matplot.gof_plot(pobservation,Sero )

仅绘制数组最后一个条目的图如何为每个条目绘制一个图？
感谢您的所有帮助

答案

[如果使用内置随机数，则有expval个函数是该分布的期望值（对于二项式，该函数只是binomial_expval，也就是p*n）。

[通常，我建议使用gof_plot而不是discrepancy_plot来产生后验预测图。您的代码存在一些问题：

1. 尚不清楚为什么要构建prob节点列表，而不是仅指定向量值的Uniform：

   prob = pymc.Uniform('prob', 0, 1, size=len(Pop))

2. 您无需直接实例化Model；只是MCMC：

   mc=pymc.MCMC([serobservation,pobservation,prob])

通过这些更改，我得到了8个GOF图，每个基准点一个。 Here is a zip file包含我得到的图。

另一答案

我想知道您是否已解决问题？我也遇到了这个问题。任何帮助，非常感谢！