Saya baru mulai belajar menggunakan Stan dan rstan
. Kecuali saya selalu bingung tentang cara kerja JAGS / BUGS, saya pikir Anda selalu harus mendefinisikan distribusi jenis sebelumnya untuk setiap parameter dalam model yang akan diambil. Tampaknya Anda tidak harus melakukan ini di Stan berdasarkan pada dokumentasinya. Berikut contoh model yang mereka berikan di sini .
data {
int<lower=0> J; // number of schools
real y[J]; // estimated treatment effects
real<lower=0> sigma[J]; // s.e. of effect estimates
}
parameters {
real theta[J];
real mu;
real<lower=0> tau;
}
model {
theta ~ normal(mu, tau);
y ~ normal(theta, sigma);
}
Prior mu
juga tau
tidak ditentukan. Dalam mengonversi beberapa model JAGS saya ke Stan, saya telah menemukan bahwa mereka berfungsi jika saya meninggalkan banyak, atau sebagian besar, parameter dengan prior yang tidak ditentukan.
Masalahnya adalah bahwa saya tidak mengerti apa yang dilakukan Stan ketika saya memiliki parameter tanpa prior yang ditentukan. Apakah default ke sesuatu seperti distribusi seragam? Apakah ini salah satu properti khusus dari HMC, yang tidak memerlukan penentuan sebelumnya untuk setiap parameter?
sigma
, belumlog(sigma)
. Stan menyelesaikan ini dengan mengubah parameter dan menerapkan perubahan penyesuaian variabel yang benar dengan menggunakan Jacobian.