为什么我必须在 JAGS 中定义顶级参数，以及如何定义？

Question

根据 r-jags 的用户手册（编译部分）：

Any node that is used on the right hand side of a relation, but is not defined on the left hand side of any relation, is assumed to be a constant node. Its value must be supplied in the data file.

但奇怪的是，很多概率图模型包含很多要推断的顶层参数。这就是 BN 的意思，不是吗？那为什么要先定义顶层参数的值呢？当我想实现像LDA这样的模型时，它的topic-distribution prior a和word-distribution beta是未知的，我该怎么办？如果我说错了请告诉我。

Answer 1

如果您想对参数进行推断，那么根据定义，这不是顶级参数。如果你想推断一个参数的某些东西，那么你必须在它上面放一个先验，在这种情况下，先验中的超参数是顶级参数。例如：

Count ~ dpois(lambda)
lambda <- 10

表示lambda是顶级参数，无法推断。

Count ~ dpois(lambda)
lambda ~ dgamma(0.001, 0.001)

表示推断lambda，gamma prior的超参数是顶层参数。要更明确地看到这一点，请注意此语法是等效的：

Count ~ dpois(lambda)
lambda ~ dgamma(shape, rate)
shape <- 0.001
rate <- 0.001

如果您愿意，也可以在数据中指定形状和速率参数，但这有点不寻常。

为这些参数选择合理的先验分布并不总是直截了当的，但却是任何贝叶斯分析的组成部分。不要在不考虑 and/or 对其进行测试的情况下就假设具有大方差的先验信息最少。

马特

为什么我必须在 JAGS 中定义顶级参数，以及如何定义？

Why do I have to define the top-level parameter in JAGS, and how?

r

jags