Tôi mới bắt đầu xây dựng mô hình ở stan ; để xây dựng sự quen thuộc với công cụ này, tôi đang thực hiện một số bài tập trong Phân tích dữ liệu Bayes (tái bản lần 2). Các linh dương nước tập giả định rằng các dữ liệu , với ( N , θ ) chưa biết. Kể từ Hamiltonian Monte Carlo không cho phép các thông số rời rạc, tôi đã tuyên bố N như một thực ∈ [ 72 , ∞ ) và mã hoá một phân phối nhị thức thực có giá trị bằng cách sử dụng chức năng.lbeta
Một biểu đồ kết quả trông gần giống với những gì tôi tìm thấy bằng cách tính trực tiếp mật độ sau. Tuy nhiên, tôi lo ngại rằng có thể có một số lý do tinh tế mà tôi không nên tin tưởng vào những kết quả này nói chung; do suy luận có giá trị thực trên gán xác suất dương cho các giá trị không nguyên, chúng tôi biết rằng các giá trị này là không thể, vì waterbuck phân đoạn không tồn tại trong thực tế. Mặt khác, kết quả có vẻ ổn, do đó việc đơn giản hóa dường như không ảnh hưởng đến suy luận trong trường hợp này.
Có bất kỳ nguyên tắc hướng dẫn hoặc quy tắc ngón tay cái nào cho việc mô hình hóa theo cách này hay phương pháp "quảng bá" một tham số rời rạc thành một thực tiễn xấu thực sự?