PyMC2
에서 deterministic
노드를 볼 수는 없지만 컨볼 루션의 한 부분을 잠정적 변수로 만들면 동일한 모델을 얻을 수 있습니다. 다음은 작은 예입니다.
def model(values):
# priors for model parameters
mu_A = pm.Exponential('mu_A', beta=1, value=1)
alpha_A = pm.Exponential('alpha_A', beta=1, value=1)
mu_B_minus_A = pm.Uninformative('mu_B_minus_A', value=1)
# latent variable for negative binomial
A = pm.NegativeBinomial('A', mu=mu_A, alpha=alpha_A, value=0)
# observed variable for conditional poisson
B = pm.Poisson('B', mu=mu_B_minus_A+A, value=values, observed=True)
return locals()
여기에 a notebook that tests it out입니다. 모델 매개 변수에 대한 추가 정보 없이는 적합하지 않은 것처럼 보입니다. 아마도 관측 된 확률 론적으로 사용할 수있는 NB와 포아송의 컨볼 루션을 계산하거나 근사하는 영리한 방법이있을 것입니다.