- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 glmmadmb 评估负二项式混合模型的输出。为了总结输出,我将汇总函数与 mcmc 选项的输出进行比较。我已经运行了这个模型:
pre1 <- glmmadmb(walleye~(1|year.center) + (1|Site) ,data=pre,
family="nbinom2",link="log",
mcmc=TRUE,mcmc.opts=mcmcControl(mcmc=1000))
Call:
glmmadmb(formula = walleye ~ (1 | year.center) + (1 | Site),
data = pre, family = "nbinom2", link = "log", mcmc = TRUE,
mcmc.opts = mcmcControl(mcmc = 1000))
AIC: 4199.8
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.226 0.154 21 <2e-16 ***
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Number of observations: total=495, year.center=33, Site=15
Random effect variance(s):
Group=year.center
Variance StdDev
(Intercept) 0.1085 0.3295
Group=Site
Variance StdDev
(Intercept) 0.2891 0.5377
Negative binomial dispersion parameter: 2.0553 (std. err.: 0.14419)
Log-likelihood: -2095.88
2.5% 50% 97.5%
(Intercept) 2.911667943 3.211775843 3.5537371345
tmpL.1 0.226614903 0.342206509 0.4600328729
tmpL.2 0.395353518 0.554211483 0.8619127547
alpha 1.789687691 2.050871824 2.3175742167
u.01 0.676758365 0.896844797 1.0726750539
u.02 0.424938481 0.588191585 0.7364795440
最佳答案
The random effect parameter estimate for site and year from summary(pre1) do not seem to agree with the posterior distribution from the mcmc output. I am using the 50% confidence interval as the estimate that should coincide with the parameter estimate from the summary function. Is that incorrect?
{0.3295,0.5377}
,这似乎非常接近 MCMC 中位数估计值
{0.342206509,0.554211483}
...如下所述,MCMC
tmpL
参数是随机效应标准偏差,而不是方差——这可能是你困惑的主要原因?
Is there a way to obtain an error around the random effect parameter using the summary function to gauge whether this is variance issue? I tried using postvar=T with ranef but that did not work.
lme4
包(不是
glmmadmb
包)允许通过
ranef(...,condVar=TRUE)
估计条件模式的方差(即与特定水平相关的随机效应) (
postVar=TRUE
现在已弃用)。有关条件模式不确定性的等效信息可通过
ranef(model,sd=TRUE)
获得。 (见
?ranef.glmmadmb
)。
$S
(方差-协方差矩阵)和
$sd_S
(方差-协方差估计的 Wald 标准误差)代替(尽管如上所述,我认为这真的没有问题)。
Also, Is there a way to format the mcmc output with informative row names to ensure I'm using the proper estimates?
vignette("glmmADMB",package="glmmADMB")
:
The MCMC output in
glmmADMB
is not completely translated. It includes, in order:
pz
零通胀参数(原始)fi xed effect parameters
以与coef()
的结果相同的方式命名或fixef()
. tmpL
方差(标准差量表)tmpL1
方差-协方差矩阵的相关/非对角元素(相关矩阵的 Cholesky 因子的非对角元素)。 (如果您需要将这些转换为相关性,您需要在对角线上构建相关矩阵,并计算叉积 CC^T(请参阅 tcrossprod
);如果这对您没有意义,请联系维护者)alpha
过度分散/尺度参数 u
随机效应(未缩放:这些可以使用来自 VarCorr()
的估计随机效应标准偏差进行缩放)关于r - 使用 glmmadmb 解释 mcmc 输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20224717/
我目前正在尝试将一些 JAGS 模型移植到 STAN。我收到一些奇怪的错误“stan::prob::exponential_log(N4stan5agrad3varE):随机变量是 nan:0,但不能
文献称MCMC中的metropolis-hasting算法是上世纪发展起来的最重要的算法之一,具有革命性。文献还说,正是 MCMC 的这种发展使贝叶斯统计获得了第二次诞生。 我了解 MCMC 的作用
我想使用 pymc 包从后验分布中采样。 我想知道这种算法可以处理的维度数量是否有限制。我的对数似然是 3 个高斯分布和 1 个高斯混合分布的总和。我的模型中有大约 750 个参数。 pymc 可以处
我有一个随机最优控制问题,我希望使用某种基于贝叶斯模拟的框架来解决。我的问题具有以下一般结构: s_t+1 = r*s_t(1 - s_t) - x_t+1 + epsilon_t+1 x_t+1 ~
我是 JAGS(Just Another Gibbs Sampler)的新手,我想知道是否可以将其扩展为从随机排列空间中采样? 我问的原因是我遇到了这个关于扩展 JAGS 的教程,其中一个所需的函数“
关闭。这个问题是opinion-based 。目前不接受答案。 想要改进这个问题吗?更新问题,以便 editing this post 可以用事实和引文来回答它。 . 已关闭10 年前。 Improv
我正在尝试实现 Metropolis Python 中的算法(Metropolis-Hastings 算法的简单版本)。 这是我的实现: def Metropolis_Gaussian(p, z0,
我对 PyMC 比较陌生,我有一个关于 MCMC 采样器输出的快速问题。我想找到 MCMC 采样器找到的变量的最可能值(后验最大值)。有没有快速的方法来做到这一点?据推测,MCMC 采样器发现的后验最
我想运行 MCMC 线性高斯多变点模型来检测连续值的时间序列向量的变点。 在这样做时,我正在考虑使用 MCMRegressChange 函数,但我在这里有几个问题: (1) 如何获得这些模型的对数边际
output = RBUgsfit(..., coda=T, ...) 输出一个 mcmc.list 对象,其中包含四个参数的后验分布样本及其样本后验均值。使用 summary() 我可以看到样本后验
在 pymc3 中如何配置截断法线先验?在 pymc2 中,它非常简单(如下),但在 pymc3 中,似乎不再有可用的截断正态分布。 Pymc2: TruncatedNormal('gamma_own
我需要使用 TensorFlow Probability 从伯努利分布中采样来实现马尔可夫链蒙特卡罗。 但是,我的尝试显示的结果与我对伯努利分布的期望不一致。 我修改了 tfp.mcmc.sample
我们有一些数据和一个带有潜在变量的概率模型,我们想在看到数据后估计后验分布。通常这个 p(x|z) 很难计算,所以我们使用变分推理,或 MCMC。 我不明白为什么 MCMC 会扮演一个重要的规则。 M
我正在使用狄利克雷过程混合模型 (DPMM) 来推断合成数据集上的聚类分配和聚类参数 Edward基于以下 community post 。我正在使用 GPU 加速的 Metropolis Hasti
我在对模型执行 MCMC 分析时遇到困难。我相信这与我在模型中的 Gamma 函数不完整有关。 我试图最小化高斯对数似然,但步行者似乎被困在井里,并没有试图最小化似然函数。下图对此进行了演示,其中 y
我有以下问题: 有 12 个样本,每个样本大约有 20000 个元素,每个样本都来自未知分布(有时分布不是单峰的,因此很难自动估计分布的分析族)。基于这些分布,我计算出不同的数量。如何以最有效(也是最
我正在尝试向主持人介绍 MCMC 采样。我想简单地使用 github 上的一组示例代码从 Maxwell Boltzmann 分布中获取样本,https://github.com/dfm/emcee/
假设随机变量 X ∼ N(μ,σ2) 分布 我得到了观察结果 x =(0.7669, 1.6709, 0.8944, 1.0321, 0.0793, 0.1033, 1.2709, 0.7798, 0
我正在尝试使用 glmmadmb 评估负二项式混合模型的输出。为了总结输出,我将汇总函数与 mcmc 选项的输出进行比较。我已经运行了这个模型: pre1 |z|) (Int
我正在尝试使用带有 R 的 MH 算法来实现一个简单的 MCMC,问题是我得到了这个错误(我试图计算 alpha 并且它不是 NA 问题) Error in if (runif(1) 0){
我是一名优秀的程序员,十分优秀!