Question

我正在使用PYMC 2.3.4。我发现太棒了。现在，我想对文档的第7.3节（https://pymc-devs.github.io/pymc/modelchecking.html）中显示的拟合和绘图效果做一些好处。在文档中，他们说您需要3个输入用于差异图

x：数据
x_sim：后验分布样本
x_exp：期望值我能理解前两个而不是第三个

这个代码

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，但我不知道要放什么作为预期值你能帮忙吗？到现在为止我已经这样做了：

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？能否请您提供一个关于如何创建预期值的虚拟示例？当我使用函数

pymc.Matplot.gof_plot(pobservation,Sero )

仅完成数组最后一个条目的绘图我怎样才能为每个条目制作一个情节？

感谢您的帮助

Answer 1

如果您正在使用内置随机指标，则expval函数是该分布的期望值（在二项式的情况下，函数只是binomial_expval，这只是{ {1}}）。

一般情况下，我建议使用p*n来生成后验预测图，而不是gof_plot。您的代码存在一些问题：

不清楚为什么要构建discrepancy_plot个节点列表，而不仅仅是指定一个向量值prob：
```
Uniform
```
您永远不需要直接实例化prob = pymc.Uniform('prob', 0, 1, size=len(Pop));只需Model：
```
MCMC
```

通过这些更改，我得到8个GOF图，每个数据一个。 Here is a zip file包含我得到的情节。

pymc中的拟合优度和绘制差异

1 个答案: