Ho un semplice modello gerarchico con un sacco di individui per i quali ho piccoli campioni da una distribuzione normale. Anche i mezzi di queste distribuzioni seguono una distribuzione normale.pymc3: modello gerarchico con più variabili ossessiate
import numpy as np
n_individuals = 200
points_per_individual = 10
means = np.random.normal(30, 12, n_individuals)
y = np.random.normal(means, 1, (points_per_individual, n_individuals))
Desidero utilizzare PyMC3 per calcolare i parametri del modello dal campione.
import pymc3 as pm
import matplotlib.pyplot as plt
model = pm.Model()
with model:
model_means = pm.Normal('model_means', mu=35, sd=15)
y_obs = pm.Normal('y_obs', mu=model_means, sd=1, shape=n_individuals, observed=y)
trace = pm.sample(1000)
pm.traceplot(trace[100:], vars=['model_means'])
plt.show()
mi aspettavo il posteriore della model_means
a guardare come la mia distribuzione originale di mezzi. Ma sembra convergere a 30
il mezzo dei mezzi. Come faccio a recuperare la deviazione standard originale dei mezzi (12 nel mio esempio) dal modello pymc3?