如何在PyMC3中正确定义Beta分布的混合体

Question

我尝试使用两个Beta分布的混合来拟合数据（我不知道每个分布的权重），使用Mixturefrom{a1}。代码如下：

model=pm.Model()
with model:
    alpha1=pm.Uniform("alpha1",lower=0,upper=20)
    beta1=pm.Uniform("beta1",lower=0,upper=20)
    alpha2=pm.Uniform("alpha2",lower=0,upper=20)
    beta2=pm.Uniform("beta2",lower=0,upper=20)
    w=pm.Uniform("w",lower=0,upper=1)
    b1=pm.Beta("B1",alpha=alpha1,beta=beta1)
    b2=pm.Beta("B2",alpha=alpha2,beta=beta2)
    mix=pm.Mixture("mix",w=[1.0,w],comp_dists=[b1,b2])

运行此代码后，我得到以下错误：AttributeError: 'list' object has no attribute 'mean'。有什么建议吗？在

Answer 1

PyMC3附带了一个^{}模块，其中包含有用的示例。通过在目录中搜索单词“mixed”，我遇到了this example：

Mixture('x_obs', w,
        [Normal.dist(mu[0], tau=tau[0]), Normal.dist(mu[1], tau=tau[1])],
        observed=self.norm_x)

注意，调用了classmethod ^{}。在google上搜索“pymc3 dist classmethod”可以得到这个doc page，它解释了

... each Distribution has a dist class method that returns a stripped-down distribution object that can be used outside of a PyMC model.

除此之外，我还不完全清楚为什么这里需要精简的分布，但它似乎有效：

^{pr2}$

注意，当使用dist类方法时，名称字符串被省略。在