Генерация прогнозов с помощью JAGS

Question

У меня есть параметризованная линейная гауссовская байесовская сеть, и я пытаюсь делать прогнозы по модели, используя rjags, Я могу сделать это для одного наблюдения, но не знаю, как пройти несколько наблюдений. Вот пример

library(rjags)
library(coda)

Начальная модель

mod <- textConnection("model {
  mpg.hat <- (34.96055404 - 3.35082533* wt - 0.01772474* disp)
  wt      ~ dnorm(3.21725, 1/0.9784574^2)
  disp    ~ dnorm(230.7219, 1/123.9387^2)
  mpg     ~ dnorm(mpg.hat, 1/2.916555^2)
}")

# Evaluate and get prediction when wt=1 and disp is hidden
m <- jags.model(mod, n.chains = 1, n.adapt = 1000, data=list(wt=1, disp=NA))
update(m, 10000)
cs <- coda.samples(m,  c("mpg", "wt", "disp"),  1e5)
summary(cs)

Это работает, как и ожидалось, однако у меня есть несколько строк данных, для которых я хочу сгенерировать прогнозы. Если я попытаюсь продлить data=list( аргумент для включения большего количества строк выдает ошибку. Таким образом, после перезапуска текста модели и следующей команды я получаю ошибку

m <- jags.model(mod, n.chains = 1, n.adapt = 1000, data=list(wt=1:2, disp=1:2))

Ошибка в jags.model(mod, n.chains = 1, n.adapt = 1000, data = list(wt = 1:2,:
Ошибка в узле dnorm(230.722,(a1/(a123.939^2)))
Несоответствие длины в узле::setValue

Как мне расширить это на большее количество наблюдений?

Answer 1

Вам нужно перебрать строки:

mod <- textConnection("model {
  for (n in 1:N) {
    mpg.hat[n] <- (34.96055404 - 3.35082533* wt[n] - 0.01772474* disp[n])
    mpg[n]     ~ dnorm(mpg.hat[n], 1/2.916555^2)
    wt[n]      ~ dnorm(3.21725, 1/0.9784574^2)
    disp[n]    ~ dnorm(230.7219, 1/123.9387^2)
  }
}")

Обратите внимание, вам нужно будет добавить N к вашему списку данных:

data = list(N = 1, wt = 1, disp = NA)
data = list(N = 2, wt = 1:2, disp = 1:2)