Stan 中指数随机变量的模拟 (RStan Package/Interface)

Question

我正在尝试使用 RStan 代码模拟指数随机变量。

模拟指数随机变量的 R 代码如下所示：

A <- rexp(1000, 4)
B <- rexp(1000, lambda2)
C <- rexp(1000, lambda3)
D <- rexp(1000, lambda4)
E <- rexp(1000, lambda5)
F <- rexp(1000, lambda6)

A + B = AB
C + D = CD

mean(AB)
mean(CD)

如你所见，在R中模拟指数随机变量对我来说非常简单。以A <- rexp(1000, 4)为例：它生成一个包含1000个结果的随机样本，其中lambda = 4。我可以然后对这些模拟值做统计分析（求均值等）。

现在我想在使用 RStan 时做同样的事情。使用 RStudio 的 R 笔记本功能，可以 "insert" 不同类型的代码，其中之一是 Stan:

我有以下 Stan 和 R 代码：

{stan output.var="exponential"}
generated quantities{
  real total;
  real number;

  number = 0.0;
  total = 0.0;
  while(total < 1000) {
    total += exponential_rng(4);
    number += 1.0;
  }
  number -= 1.0;
}

{r}
simul2 <- sampling(exponential, algorithm="Fixed_param")

{r}
print(simul2, pars=c("number"), digits = 5)

但是，当我执行此代码（具体来说，print 命令）时，我得到以下输出：

我不明白为什么我会得到如此荒谬的统计数据（平均 4000！？）。我的目标是能够获得与我在 R 中进行分析时相同的统计数据，正如我在上面所展示的那样；换句话说，我的目标是获得与如果我完成 A <- rexp(1000, 4) 时相同的值，在这种特定情况下，以及更普遍的 X <- rexp(1000, lambda)。

显然，我的 Stan 代码不正确，所以我将不胜感激，请大家花时间解释一下正确的使用方法。

Answer 1

那是告诉你 number 的后验分布，这只是你的计数器。你的 Stan 代码做的事情与你的 R 代码不同，但是如果你传递 N 和 lambdas 作为数据，那么做你的 R 代码的模拟并不难：

data {
  int<lower=1> N;
  real<lower=0> lambda2;
  real<lower=0> lambda3;
  real<lower=0> lambda4;
}
generated quantities {
  real mean_AB;
  real mean_CD;
  {
    vector[N] A;
    vector[N] B;
    vector[N] C;
    vector[N] D;
    for (n in 1:N) {
      A[n] = exponential_rng(4);
      B[n] = exponential_rng(lambda2);
      C[n] = exponential_rng(lambda3);
      D[n] = exponential_rng(lambda4);
    }
    mean_AB = mean(A + B);
    mean_CD = mean(C + D);
  }
}

Stan 中指数随机变量的模拟 (RStan Package/Interface)

Simulations of Exponential Random Variables in Stan (RStan Package/Interface)

simulation

statistics

r

stan

rstan