使用JAGS對數正態分佈的貝葉斯估計

我試圖找出50個樣本均值的95％可信區間。樣品尺寸範圍從2至600，和每個樣品中的值是有界1和5之間例如：使用JAGS對數正態分佈的貝葉斯估計

sample 1 = (1,3.5,2.8,5,4.6) 
sample 2 = (1,5) 
sample 3 = (4.1,1.1,5,3.5,2,2.4,...)

樣品具有10或更大的尺寸具有對數正態分佈，其中i用於JAGS爲貝葉斯估計數正態分佈適於從約翰K. Kruschke參數，與模型規格如下：

modelstring = " 
    model { 
    for(i in 1 : N) { 
     y[i] ~ dlnorm(muOfLogY , 1/sigmaOfLogY^2) 
    } 
    sigmaOfLogY ~ dunif(0.001*sdOfLogY , 1000*sdOfLogY) 
    muOfLogY ~ dunif(0.001*meanOfLogY , 1000*meanOfLogY) 
    muOfY <- exp(muOfLogY+sigmaOfLogY^2/2) 
    modeOfY <- exp(muOfLogY-sigmaOfLogY^2) 
    sigmaOfY <- sqrt(exp(2*muOfLogY+sigmaOfLogY^2)*(exp(sigmaOfLogY^2)-1)) 
} 
"

該模型正常工作與樣品大小> 10。然而，用3 < =樣品< 10 i的上限得到極值（例如3000）超過平均值的最大可能值（例如5）。在樣本量= 2的情況下，我得到了以下錯誤：

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 
    NA/NaN/Inf in 'y'

我是新來JAGS並不能找出如何解決這個問題。我認爲smaples < 10分佈不再是對數正態分佈！任何想法？謝謝

來源

2016-10-15 Alan

首先是一個語義注釋。您不使用JAGS來查找示例手段。您正在使用JAGS來查找樣本出現的人羣的平均值。如果您想查找樣本（對數）平均值，則可以取平均值（對數）樣本值。

現在，如果每個樣本中的值都介於1和5之間（由於某種外部約束），那麼樣本絕不會從對數正態分佈中抽取，這本質上會使概率質量超過大於5的值。

讓我們想象一下，這麼說的原因，從對數正態分佈抽樣確實出現了樣品（因此不是固有1間跳躍和5）。然後，JAGS只是告訴你，樣本中沒有足夠的信息來很好地估計其繪製的總體平均值。當樣本量爲2時，我不會擔心理解錯誤，因爲從兩個樣本中根本沒有辦法很好地推斷總體均值。即使你知道人口確實是按正態分佈的日誌，情況也是如此。而且由於你的人口實際上並不是以對數正態分佈的（它們的範圍在1到5之間），所以整個推理過程無論如何都是無效的。

來源

2016-10-23 15:11:49

使用JAGS對數正態分佈的貝葉斯估計

回答

相關問題