Właśnie rozpoczął budowę modeli Stan ; aby zbudować znajomość narzędzia, pracuję nad niektórymi ćwiczeniami z analizy danych bayesowskich (wydanie 2). W Waterbuck wykonywania zakłada, że dane , z nieznany. Ponieważ Hamiltonian Monte Carlo nie zezwala na parametry dyskretne, zadeklarowałem jako rzeczywistą i zakodowałem rozkład dwumianowy o wartości rzeczywistej za pomocą funkcji.lbeta
Histogram wyników wygląda praktycznie identycznie z tym, co znalazłem, obliczając bezpośrednio tylną gęstość. Obawiam się jednak, że mogą istnieć subtelne powody, dla których ogólnie nie powinienem ufać tym wynikom; ponieważ wnioskowanie o wartości rzeczywistej na przypisuje dodatnie prawdopodobieństwo wartościom niecałkowitym, wiemy, że wartości te są niemożliwe, ponieważ w rzeczywistości ułamkowy kozioł wodny nie istnieje. Z drugiej strony wyniki wydają się być dobre, więc uproszczenie wydaje się nie mieć wpływu na wnioskowanie w tym przypadku.
Czy istnieją jakieś podstawowe zasady lub reguły dotyczące modelowania w ten sposób, czy też ta metoda „promowania” dyskretnego parametru do naprawdę złej praktyki?