Este script utiliza el procedimiento MCMC para realizar un análisis bayesiano de datos de fallas de bombas. Compara dos parametrizaciones del modelo (centrado y no centrado) para estimar los hiperparámetros y los efectos aleatorios. El código genera los datos internamente y utiliza ODS Graphics para los diagnósticos de traza.
Análisis de datos
Type : CREATION_INTERNE
Los datos 'pump' se generan directamente en el script a través de un Data Step utilizando DATALINES.
1 Bloque de código
DATA STEP Data
Explicación :
Creación del conjunto de datos 'pump' con las variables y, t y group. Nota: El código contiene un artefacto extraño (@code_sas_json...) en la instrucción INPUT que parece ser un error de inserción, pero los datos están presentes en forma de datalines.
Creación del conjunto de datos 'pump' con las variables y, t y group. Nota: El código contiene un artefacto extraño (@code_sas_json...) en la instrucción INPUT que parece ser un error de inserción, pero los datos están presentes en forma de datalines.
¡Copiado!
| 1 | title 'Nonlinear Poisson Regression Random-Effects Model'; |
| 2 | DATA pump; |
| 3 | INPUT y t group @code_sas_json/hsdua2304@gmail.com_SAS_Assignment_2.json; |
| 4 | pump = _n_; |
| 5 | logtstd = log(t) - 2.4564900; |
| 6 | DATALINES; |
| 7 | 5 94.320 1 1 15.720 2 5 62.880 1 |
| 8 | 14 125.760 1 3 5.240 2 19 31.440 1 |
| 9 | 1 1.048 2 1 1.048 2 4 2.096 2 |
| 10 | 22 10.480 2 |
| 11 | ; |
2 Bloque de código
PROC MCMC
Explicación :
Primera ejecución de PROC MCMC para ajustar el modelo bayesiano. Utiliza una distribución a priori Inverse-Gamma para la varianza y define efectos aleatorios normales multivariados (u) y univariados (e).
Primera ejecución de PROC MCMC para ajustar el modelo bayesiano. Utiliza una distribución a priori Inverse-Gamma para la varianza y define efectos aleatorios normales multivariados (u) y univariados (e).
¡Copiado!
| 1 | ods graphics on; |
| 2 | PROC MCMC DATA=pump outpost=postout seed=248601 nmc=10000 |
| 3 | plots=trace stats=none diag=none; |
| 4 | ods select tracepanel; |
| 5 | array u[2] alpha beta; |
| 6 | array mu[2] (0 0); |
| 7 | parms s2; |
| 8 | prior s2 ~ igamma(0.01, scale=0.01); |
| 9 | random u ~ MVNAR(mu, sd=1e6, rho=0) subject=group monitor=(u); |
| 10 | random e ~ normal(0, var=s2) subject=pump monitor=(random(1)); |
| 11 | w = alpha + beta * logtstd; |
| 12 | lambda = exp(w+e); |
| 13 | model y ~ poisson(lambda); |
| 14 | RUN; |
3 Bloque de código
PROC MCMC
Explicación :
Segunda ejecución de PROC MCMC con una parametrización diferente (modelo jerárquico centrado en la variable latente 'llambda') para mejorar la convergencia o la eficiencia del muestreo.
Segunda ejecución de PROC MCMC con una parametrización diferente (modelo jerárquico centrado en la variable latente 'llambda') para mejorar la convergencia o la eficiencia del muestreo.
¡Copiado!
| 1 | PROC MCMC DATA=pump outpost=postout_c seed=248601 nmc=10000 |
| 2 | plots=trace diag=none; |
| 3 | ods select tracepanel postsumint; |
| 4 | array u[2] alpha beta; |
| 5 | array mu[2] (0 0); |
| 6 | parms s2 1; |
| 7 | prior s2 ~ igamma(0.01, scale=0.01); |
| 8 | random u ~ MVNAR(mu, sd=1e6, rho=0) subject=group monitor=(u); |
| 9 | w = alpha + beta * logtstd; |
| 10 | random llambda ~ normal(w, var = s2) subject=pump monitor=(random(1)); |
| 11 | lambda = exp(llambda); |
| 12 | model y ~ poisson(lambda); |
| 13 | RUN; |
4 Bloque de código
MACRO CALL
Explicación :
Llamada a una macro de utilidad '%CATER' (probablemente para visualizar gráficos de tipo 'caterpillar plots' de los efectos aleatorios) y cierre de los gráficos ODS.
Llamada a una macro de utilidad '%CATER' (probablemente para visualizar gráficos de tipo 'caterpillar plots' de los efectos aleatorios) y cierre de los gráficos ODS.
¡Copiado!
| 1 | %CATER( |
| 2 | DATA=postout_c, var=llambda_:); |
| 3 | ods graphics off; |
| 4 |
Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.
Información de copyright : SAS SAMPLE LIBRARY, PRODUCT: STAT
