Взвешенная выборка PyMC

Question

Большинство моих выборок являются повторениями, есть ли способ дать вес каждой выборке, который бы представлял, как часто он должен проходить только через уникальный набор?

Или есть способ манипулировать функцией логарифма (вероятности), которую я определил для достижения этого эффекта?

# simple example for data:
data = [(0,1,10), (0,2,10), (1,0,20), (1,0,20), (1,0,20), (0,0,49), (1,1,12)]

member_a = mc.Uniform('a', lower=-1.0, upper=0.0)
member_d = mc.Uniform('d', lower=-1.0, upper=0.0)

@mc.stochastic(observed=True, dtype=int)
def logLikelihood(value=data, a=member_a, d=member_d):
    ratesMatrix = np.zeros((2,2))
    ratesMatrix[0,0] = a
    ratesMatrix[0,1] = -a
    ratesMatrix[1,0] = -d
    ratesMatrix[1,1] = d

    r = []
    t = []
    for i in range(len(data)):
        r.append(ratesMatrix[int(value[i][0]), int(value[i][1])])
        t.append(value[i][2])
    r = np.array(r, dtype=np.float64)
    t = np.array(t, dtype=np.float64)

model = mc.MCMC([member_a,member_d,logLikelihood])
trace = model.sample(iter=5000)