2016-12-28 4 views
0

Я начал изучать пакет rstanarm, и мне было любопытно, как этот пакет потенциально может быть использован в сценарии адаптивной пробной версии. Примерный сценарий, приведенный в пределах vignette, обеспечивает задний от -0,622 с надежным интервалом от -0,69 до -0,56.rstanarm для адаптивных испытаний

Каков будет мой сценарий, если я захочу использовать этот задний, как предыдущий для моей следующей модели, когда у меня есть дополнительные данные из адаптивного испытания?

# Code from vignette 
t_prior <- student_t(df = 7, location = 0, scale = 2.5) 
fit1 <- stan_glm(switch ~ dist100, data = wells, 
      family = binomial(link = "logit"), 
       prior = t_prior, prior_intercept = t_prior, 
       chains = 10, cores = 2, seed = 3245, iter = 100) 

ответ

1

Ваш вопрос не так легко ответить в рамках rstanarm, потому что он предлагает только ограниченный выбор для priors.

Настоятельно рекомендуется использовать оригинал ранее с суммарными данными из фаз I и фазы II в сочетании с последующим распределением (по существу игнорируя промежуточное распределение сзади после фазы I). В качестве альтернативы вы можете сделать то, что вы предлагаете на этапе I, затем назовите draws <- as.matrix(fit1) mu <- colMeans(draws) Sigma <- cov(mu) и используйте эти (оцененные) значения mu и Sigma как гиперпараметры в многомерной норме, предшествующие коэффициентам фазы II. К сожалению, такая предварительная поддержка не поддерживается rstanarm, поэтому вам нужно будет написать свою собственную модель с вероятностью Bernoulli, связью logit и многомерной нормалью ранее на языке Stan, или я думаю, что вы могли бы выполнить все это, используя функцию brm в пакете brms, который генерирует код Stan из синтаксиса R и извлекает из соответствующего заднего распределения.

Оба подхода концептуально должны дать вам то же самое последующее распределение после фазы II. Однако с конечным числом задних ничьих они будут немного отличаться в несколько раз, и многовариантная нормальная предыстория может не быть полным описанием заднего распределения, которое вы получили после фазы I.