스탠 벡터화의 혼합 모델

Question

저는 스탠 (Stan)을 배우고 있으며 간단한 혼합 모델을 구현하고 싶습니다. 참조 설명서에

(스탠 참조-2.14.0) 용액에 이미 존재

:

data { 
    int<lower=1> K; // number of mixture components 
    int<lower=1> N; // number of data points 
    real y[N]; // observations 
} 
parameters { 
    simplex[K] theta; // mixing proportions 
    real mu[K]; // locations of mixture components 
    real<lower=0> sigma[K]; // scales of mixture components 
} 
model { 
    real ps[K]; // temp for log component densities 
    sigma ~ cauchy(0, 2.5); 
    mu ~ normal(0, 10); 
    for (n in 1:N) { 
    for (k in 1:K) { 
     ps[k] = log(theta[k]) 
     + normal_lpdf(y[n] | mu[k], sigma[k]); 
    } 
    target += log_sum_exp(ps); 
    } 
} 

다음 페이지는 외부 루프의 벡터화 설명은 불가능하다. 그러나 내부 루프의 parallization 여전히 경우 궁금 해서요.

그리고 그래서 나는 다음과 같은 모델을 시도 :

data { 
    int<lower=1> K; // number of mixture components 
    int<lower=1> N; // number of data points 
    real y[N]; // observations 
} 

parameters { 
    simplex[K] theta; // mixing proportions 
    vector[K] mu; // locations of mixture components 
    vector<lower=0>[K] sigma; // scales of mixture components 
} 

model { 
    vector[K] ps;//[K]; // temp for log component densities 
    vector[K] ppt; 
    sigma ~ cauchy(0, 2.5); 
    mu ~ normal(0, 10); 
    for (n in 1:N) { 
    ppt = log(theta); 
    /* 
    for (k in 1:K) { 
     ps[k] = ppt[k] + //log(theta[k]) 
     normal_lpdf(y[n] | mu[k], sigma[k]); 
    } 
    */ 
    ps = ppt + normal_lpdf(y[n] | mu, sigma); 
    target += log_sum_exp(ps); 
    } 
} 

을 ... 그리고 (원래 모델 반대)이 모델은 잘못된 추정을합니다.

data("faithful") 
erupdata <- list(
    K = 2, 
    N = length(faithful$eruptions), 
    y = faithful$eruptions 
) 

fiteruptions <- stan(file = 'mixturemodel.stan', data = erupdata, iter = 1000, chains = 1) 

내가 궁금한 점은 모델 사양에 대해 잘못 이해하고있는 부분입니다. 그 문법이 제공하는 차이 (다른 것들은 vector[K]과 real[K]의 차이)를 이해하고 Stan에 대한 더 깊은 통찰력을 얻고 싶습니다.

Answer 1

두 번째 프로그램은 다른 밀도를 정의합니다. normal_lpdf은 데이터/매개 변수의 컨테이너에 대한 log pdfs의 합계 인 단일 스칼라 값을 반환합니다.

설명서의 행렬/벡터 대 배열에 대한 장이 있습니다.

효율을 위해 ppt의 정의를 위로 올리려는 경우