Я ищу подходящую модель для оценки множественных вероятностей биномиальных данных с помощью Стэна. Я использовал бета-априоры для каждой вероятности, но я читал об использовании гиперприоров для объединения информации и поощрения сокращения оценок.
Я видел этот пример для определения гиперприора в pymc, но я не уверен, как сделать что-то подобное со Стэном.
@pymc.stochastic(dtype=np.float64)
def beta_priors(value=[1.0, 1.0]):
a, b = value
if a <= 0 or b <= 0:
return -np.inf
else:
return np.log(np.power((a + b), -2.5))
a = beta_priors[0]
b = beta_priors[1]
Затем a и b используются в качестве параметров для предыдущей бета-версии.
Может ли кто-нибудь подсказать мне, как нечто подобное можно было бы сделать со Стэном?