Cenzura / Obcięcie w JAGS

Mam pytanie, jak dopasować problem cenzury do JAGS.

Obserwuję normalną dwuwymiarową mieszaninę, w której wartości X mają błąd pomiaru. Chciałbym zamodelować prawdziwe podstawowe „średnie” zaobserwowanych wartości cenzurowanych.

Oto co mam teraz:

 for (i in 1:n){
   x[i,1:2]~dmnorm(mu[z[i],1:2], tau[z[i],1:2,1:2])
   z[i]~dcat(prob[ ])
 }

Y ma również błąd pomiaru. Chcę coś takiego:

 for (i in 1:n){
   x_obs[i] ~ dnorm(x_true[i],prec_x)I(x_true[i],)
   y_obs[i] ~ dnorm(y_true[i],prec_y)
   c(x_true[i]:y_true[i])~dmnorm(mu[ z [ i ],1:2], tau[z[i],1:2,1:2])
   z[i]~dcat(prob[ ])
 }

 #priors for measurement error
 e_x~dunif(.1,.9)
 prec_x<-1/pow(e_x,2)
 e_y~dunif(2,4)
 prec_y<-1/pow(e_y,2)

Oczywiście polecenie c nie jest poprawne w JAGS.

Z góry dziękuję.

Być może właśnie tego szukasz:

x_obs[i] ~ dnorm(x_true[i],prec_x)T(x_true[i], )

JAGS ma opcje zarówno cenzury, jak i obcięcia. Wygląda na to, że chcesz obciąć, ponieważ wiesz z góry, że obserwacja leży w określonym zakresie

Zapoznaj się z instrukcją obsługi, aby uzyskać więcej informacji na temat tego, w jaki sposób jags używa skracania i cenzury.

Dzięki za wskazówki David. Zadałem to pytanie na forum wsparcia JAGS i otrzymałem przydatną odpowiedź. Kluczem było użycie dwuwymiarowej tablicy dla „prawdziwych” wartości.

for (j in 1:n){ 
  x_obs[j] ~ dnorm(xy_true[j,1], prec_x)T(xy_true[j,1],) 
  y_obs[j] ~ dnorm(xy_true[j,2], prec_y)
  xy_true[j, ] ~ dmnorm(mu[ z [j],1:2], tau[z[j],1:2,1:2]) 
  z[j]~dcat(prob[ ]) 
}

 #priors for measurement error 
 e_x~dunif(.1,.9)
 prec_x<-1/pow(e_x,2)
 e_y~dunif(2,4)
 prec_y<-1/pow(e_y,2)