如何繪製之前，對數似然和後使用BSTS包裝來自R

Question

一個情節我還在學習更多關於BSTS包，所以我，使用R AirPassengers DataSet和學習沿預測創建BSTS型號，

###library(lubridate) 

###library(bsts) 

###library(dplyr) 

###library(ggplot2) 

###Load the data 

data("AirPassengers") 

Y <- window(AirPassengers, start=c(1949, 1), end=c(1959,12)) 

ss <- AddLocalLinearTrend(list(), Y) 

ss <- AddSeasonal(ss, Y, nseasons = 12) 

bsts.model <- bsts(Y, state.specification = ss, niter = 500, ping=0, seed=2016) 

burn <- SuggestBurn(0.1, bsts.model) 

p <- predict.bsts(bsts.model, horizon = 12, burn = burn, quantiles = c(.025, .975)) 

我發現，當我看得更遠bsts.model，bsts.model $之前返回我這樣

Prior returning only 1 value

然後bsts.model$log.likelihood

東西

BSTS Model Log.Likelihood with 500 MCMC draws

而在去年P $分佈，我知道作爲後驗分佈是這樣的

Posterior distribution with 473 MCMC after burn each for month

，什麼我想知道：

爲什麼事先只給這一個值，而不是分銷？是否可以將這些繪製成一張照片/情節？

我檢查AirPassengers數據集使用EasyFit軟件，那麼結果就被安裝到這些參數ibb.co/dxwrvm Beta分佈，但我想知道更多，如果我可以用R請勿這些..

三江源在Advance

[編輯 - 2017年11月18日] ------------------------------------ --------------------

下面我只能繪製可能性和後驗之間的陰謀，因爲我仍然無法得到先前的想法來自：

情節（密度（ρ$分佈））

線（密度（AirPassengers），類型= 「L」）

Result Plotting

如果我定義自己的前，我將使用隨機噸用RT（1000,12,650） 分佈，其中它產生1000次迭代，用df = 12，和中央線= 650，它將匹配整個曲線圖是這樣的：

drawt =室溫（1000,12,650）

條

線（密度（drawt））

with own prior definition

所以它清楚地看到，該現有（右側）X似然（左側）曾經創建這些後驗分佈，但BSTS包而不我可以生成後我定義任何事先......有人可以幫我解釋一下嗎？

（我已經在搜索Steve提到的state.specification，但它只是給了我一些趨勢和季節的previous.guess的列表，它仍然很難理解先前的分佈來自哪裏，如果有的話請給我更多的代碼實例）

Answer 1

所以我最近做大量的研究與試錯和谷歌搜索， ，我發現使用貝葉斯比別人更有用此研究中，我曾經看到

http://sisifospage.tech/2017-10-30-forecasting-bsts.html

，並讓我自己的結論，即到預測這些（先前的數據可能性，後驗）爲如下的一個圖：

plot（density（bsts.model $ one.step.prediction.error），xlim = c（-100,1000），ylim = c（0,0.035）） //這些表示之前我假設

條

線（密度（ρ$分佈）） //這些表示後驗分佈

線（密度（AirPassengers）） //這些表示數據似然

，結果我得到的東西像這樣：

Results

不過[糾正我，如果我錯了]

我在R的幫助中讀到了Prior，並且我發現了這些說法[如果模型不包含迴歸因子，那麼這僅僅是殘差標準差的先驗值，表示爲由SdPrior創建的對象]，但是SdPrior是唯一的數字對象，

和sisifospage.tech確實給出了詳細的解釋如何使用SdPrior來製作一個趨勢組件，然後我知道這些SdPrior及其兄弟是爲了創建之前的趨勢組件的參數，並且最終結果包含在one.step.prediction.error中的bsts模型中作爲分析殘差。

Answer 2

先驗是先驗的觀察方差。它是一個具有先驗的反向伽馬分佈，預測爲標準偏差，先驗分佈爲先驗樣本量。請參閱SdPrior的幫助頁面。

我不確定你的意思是「beta distribution」。 β分佈是[0,1]上的分佈（即它是支持）。你可能意思是「在'beta'上的分佈（即迴歸係數），但在這個例子中這是沒有意義的，因爲你適合的模型沒有迴歸係數。

另請注意，狀態模型的參數存在（獨立的）先驗分佈。由於您使用的兩種狀態模型都是隨機遊動的組合，因此這些模型的唯一參數是隨機遊動中各個錯誤項的方差，因此這些也將是伽馬分佈。你可以通過檢查bsts.model $ state.specification來找到這些先前的分佈。它是您在bsts調用中傳遞的state.specification參數的副本。在你的情況下，它是一個包含兩個元素的列表，一個用於狀態的每個組成部分（趨勢和季節）。