나는 방금 스탠 에서 모델을 만들기 시작했다 . 이 도구에 익숙해지기 위해 Bayesian Data Analysis (2nd ed.)의 일부 연습을 진행하고 있습니다. Waterbuck 운동 전제로하는 데이터 와, ( N , θ ) 알 수 없습니다. Hamiltonian Monte Carlo는 이산 파라미터를 허용하지 않기 때문에 N 을 실수 ∈ [ 72 , ∞ ) 로 선언 하고 함수를 사용하여 실제 이항 분포를 코딩했습니다 .lbeta
결과의 히스토그램은 사후 밀도를 직접 계산하여 찾은 것과 거의 동일하게 보입니다. 그러나 나는 이러한 결과를 일반적으로 믿지 말아야 할 미묘한 이유가 있을지 모른다는 우려가있다. 에 대한 실제 값 추론은 정수가 아닌 값에 양의 확률을 할당하기 때문에 분수 워터 벅이 실제로 존재하지 않기 때문에 이러한 값은 불가능하다는 것을 알고 있습니다. 반면에 결과는 양호 해 보이므로 단순화는이 경우 추론에 영향을 미치지 않는 것으로 보입니다.
이런 식으로 모델링을위한 지침 원칙이나 경험 규칙이 있습니까? 아니면이 방법이 불연속 매개 변수를 실제 나쁜 습관으로 "승격시키는"방법입니까?