PyMC：独立分布的两个值之和

Question

我试图通过使用pymc从观察中学习潜在变量。 简化版本如下：

我想学习两个隐藏参数$\lambda_0，\lambda\u 1$

虽然有两个分布$X_0，X_1$分别使用这些参数：

$X_0\sim Expon（\lambda_0）$，$X_1\sim Expon（\lambda_1）$。在

我没有关于$X\u I$的观察结果。 相反，我观察到这些变量的线性组合： $x{0^{（0）}+x}1^{（1）}+x}1^{（1）}=6$， $x_0^{（1）}=2$。在

我最初的做法不太管用，但我认为：

import pymc

lambda0 = pymc.Uniform('lambda0', 0, 10)
lambda1 = pymc.Uniform('lambda1', 0, 10)
x00 = pymc.Exponential('x00', lambda0)
x01 = pymc.Exponential('x01', lambda0)
x10 = pymc.Exponential('x10', lambda1)
x11 = pymc.Exponential('x11', lambda1)
z = pymc.Normal('z', mu=[x00+x10+x11, x01], tau=1.0, value=[6, 2], observed=True)

model = pymc.Model([lambda0, lambda1, x00, x01, x10, x11, z])
mcmc = pm.MCMC(model)
mcmc.sample(10000)

你能帮我举这个玩具的例子吗？在

Answer 1

在使用指数变量作为参数之前，您应该创建一个确定性的指数变量。试试这个：

mu = [x00+x10+x11, x01]
z = pymc.Normal('z', mu=mu, tau=1.0, value=[6, 2], observed=True)

另外，您不需要同时实例化Model和MCMC对象。只是后者：

^{pr2}$