Mam prosty model hierarchiczny z dużą liczbą osób, dla których mam małe próbki z rozkładu normalnego. Środki tych rozkładów również mają rozkład normalny.pymc3: model hierarchiczny z wieloma zmiennymi obsesrved
import numpy as np
n_individuals = 200
points_per_individual = 10
means = np.random.normal(30, 12, n_individuals)
y = np.random.normal(means, 1, (points_per_individual, n_individuals))
Chcę użyć PyMC3 do obliczenia parametrów modelu z próbki.
import pymc3 as pm
import matplotlib.pyplot as plt
model = pm.Model()
with model:
model_means = pm.Normal('model_means', mu=35, sd=15)
y_obs = pm.Normal('y_obs', mu=model_means, sd=1, shape=n_individuals, observed=y)
trace = pm.sample(1000)
pm.traceplot(trace[100:], vars=['model_means'])
plt.show()
Spodziewałem Niedrażniącym model_means
wyglądać mojego pierwotnego podziału środków. Wydaje się jednak, że średnia środków jest zbieżna z 30
. Jak mogę odzyskać oryginalne odchylenie standardowe środków (12 w moim przykładzie) z modelu pymc3?