在pym中定义多维随机变量的不同界限

Question

我在定义多维随机变量的边界时遇到了一个问题。 这里有一个假例子来解释我的问题。你知道吗

如果我想在[0100]之间有一个三维离散的统一体

import pymc as mc
from numpy import empty

truth = mc.DiscreteUniform("bin1", lower=0, upper=100, value=[50,50,50], size=3)

@mc.deterministic(plot=False)
def unfold(truth=truth):
    out = empty(3)
    for r in xrange(3):
        out[r] = truth[r]
    return out

data = [5, 10, 30]
unfolded = mc.Poisson('unfolded', mu=unfold, value=data, observed=True, size=3)
model = mc.Model([unfolded, unfold, truth])                             
mcmc = mc.MCMC( model )
mcmc.use_step_method(mc.AdaptiveMetropolis, truth)
mcmc.sample(10000,1000,10)

这将为3个箱子采样一个离散均匀性，每个箱子的范围相同（在0到100之间）。你知道吗

现在，我尝试了几种方法来为每个箱子定义不同的范围，但都没有成功。我尝试了离散形式数组和边界数组（上，下），但它们显然不起作用。你知道吗

有人知道如何为一个随机变量的不同箱子定义不同的范围吗？你知道吗

Answer 1

要定义不同的范围和初始值，需要调用随机构造函数N次以创建变量列表，然后使用容器构造函数使列表pymc可读：

bin1 = mc.DiscreteUniform("bin1", lower=0, upper=100, value=50, size=1)
bin2 = mc.DiscreteUniform("bin2", lower=0, upper=40, value=20, size=1)
bin3 = mc.DiscreteUniform("bin3", lower=10, upper=50, value=30, size=1)
truth = mc.Container([bin1,bin2,bin3])