Simulation von Gamma- und Inverse-Gamma-Priors

Dieses SAS^©-Skript verwendet die MCMC-Prozedur, um Monte-Carlo-Markov-Ketten-Simulationen (MCMC) durchzuführen und A-priori-Verteilungen zu sampeln. Es konfiguriert vier Parameter, jeder mit einer Gamma- oder Inverse-Gamma-A-priori-Verteilung, die durch ihre Form- und Skalierungs- oder inverse Skalar-Hyperparameter spezifiziert ist. Das Skript initialisiert einen leeren Datensatz 'a', um die Syntax von PROC MCMC zu erfüllen, da die Prozedur hier hauptsächlich zur Simulation von Priors und nicht zur Analyse beobachteter Daten verwendet wird. Die Prozedur ist für 10.000 Iterationen konfiguriert und speichert die generierten Stichproben in einem Ausgabedatensatz namens 'gout'. Dichtediagramme werden aktiviert, um die simulierten Verteilungen der Parameter zu visualisieren. Die Optionen deaktivieren Standardstatistiken und Diagnosen, um sich auf die reine Simulation der Priors zu konzentrieren.

Datenanalyse

Type : CREATION_INTERNE

Ein leerer SAS-Datensatz ('a') wird zu Beginn des Skripts erstellt. Dieser Datensatz dient ausschließlich zur Initialisierung der MCMC-Prozedur, die anschließend Simulationen von A-priori-Verteilungen durchführt, ohne dass tatsächliche Eingabedaten erforderlich sind. Die Verteilungen werden vollständig durch die MCMC-Prozedur selbst aus ihren Hyperparametern spezifiziert und generiert.

1 Codeblock

DATA STEP Data

Erklärung :
Dieser DATA STEP-Block erstellt einen leeren SAS-Datensatz namens 'a'. Dieser Datensatz ist eine syntaktische Anforderung für den Aufruf von PROC MCMC, auch wenn im Rahmen dieser Prior-Simulation keine Daten aus diesem Datensatz tatsächlich verarbeitet oder verwendet werden.

Kopiert!

1	DATA a;
2	RUN;

2 Codeblock

PROC MCMC

Erklärung :
Dieser Block verwendet die MCMC-Prozedur, um die Verteilungen von vier in der `parms`-Anweisung definierten Parametern zu simulieren. Jedem Parameter wird eine spezifische A-priori-Verteilung (Gamma oder Inverse-Gamma) mit ihren Hyperparametern zugewiesen. Die Option `data=a` verweist auf den zuvor erstellten leeren Datensatz. `nmc=10000` gibt 10.000 Iterationen der MCMC-Kette an. `outpost=gout` leitet die generierten Stichproben in den Datensatz 'gout'. `plots=density` fordert die Erstellung von Dichtediagrammen für die simulierten Prior-Verteilungen an. Die Anweisung `model general(0)` zeigt an, dass diese MCMC eine Simulation von Priors ohne Bezug zu beobachteten Daten ist. Die ODS-Anweisungen aktivieren und deaktivieren die grafische Ausgabe, wobei speziell die Dichte-Panels ausgewählt werden.

Kopiert!

1	ods graphics on;
2	ods select DensityPanel;
3	PROC MCMC DATA=a stats=none diag=none nmc=10000 outpost=gout
4	plots=density seed=1;
5	parms gamma_3_is2 gamma_001_sc4 igamma_12_sc001 igamma_2_is01;
6	prior gamma_3_is2 ~ gamma(shape=3, iscale=2);
7	prior gamma_001_sc4 ~ gamma(shape=0.01, scale=4);
8	prior igamma_12_sc001 ~ igamma(shape=12, scale=0.01);
9	prior igamma_2_is01 ~ igamma(shape=2, iscale=0.1);
10	model general(0);
11	RUN;
12	ods graphics off;

Dieses Material wird von We Are Cas "wie besehen" zur Verfügung gestellt. Es gibt keine ausdrücklichen oder stillschweigenden Garantien hinsichtlich der Marktgängigkeit oder Eignung für einen bestimmten Zweck in Bezug auf die hierin enthaltenen Materialien oder Codes. We Are Cas ist nicht verantwortlich für Fehler in diesem Material, wie es jetzt existiert oder existieren wird, noch bietet We Are Cas technischen Support dafür an.

Urheberrechtsinformationen : /****************************************************************/ /* S A S S A M P L E L I B R A R Y */ /* */ /* NAME: MCMCGSM */ /* TITLE: Simulation of Gamma and Inverse-Gamma Priors */ /* PRODUCT: STAT */ /* SYSTEM: ALL */ /* KEYS: */ /* PROCS: MCMC */ /* DATA: */ /* */ /* REF: PROC MCMC */ /* MISC: */ /****************************************************************/

Retour à la liste