9
15

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

おっさんが挑むPyStanによるMCMC~インストール編~

Posted at

前書き

何のための記事か

Stanとかやったことのないおっさんが、仕事でMCMCを使ってみたいので、一から覚えるための覚書。
勉強し始めたばかりなので間違いなどあるかも。

目次

  • Pystan のインストール
  • 例題に挑戦
  • 参照サイト

本論

Pystan のインストール

conda 経由でインストール

pipでインストールでもよかったのですが、Anaconda Cloudでパッケージを見つけたのでなんとなくconda経由でインストール

conda install -c conda-forge pystan

例題に挑戦

[PyStan 公式サイト] (http://pystan.readthedocs.io/en/latest/index.html)にある例題を参考

データの生成

使用するデータは、8個の学校でのコーチングの効果?に関する研究に基づくものらしい。
Jが学校数、yが効果、sigmaが効果標準偏差。yを説明できるパラメータをMCMCで求める。

import pystan
schools_dat = {'J': 8, 'y': [28,  8, -3,  7, -1,  1, 18, 12],
               'sigma': [15, 10, 16, 11,  9, 11, 10, 18]}

Stanの記述

data ブロックはデータ型と変数名の定義

parameters ブロック以降がモデルにかんする記述
平均が theta, 標準偏差が sigma の正規分布を y にあてはめる
ここで、theta = mu + tau * eta で表される線形予測子

mu は無情報事前分布(を近似した分散の大きい正規分布)
tau は正の無情報事前分布
eta は標準正規分布

定数 mu と tau を求める

thetaを直接推定するのではなく、muとtauからthetaを推定するのが、なんだかStanっぽい

schools_code = """
data {
    int<lower=0> J; // number of schools
    real y[J]; // estimated treatment effects
    real<lower=0> sigma[J]; // s.e. of effect estimates
}
parameters {
    real mu;
    real<lower=0> tau;
    real eta[J];
}
transformed parameters {
    real theta[J];
    for (j in 1:J)
    theta[j] = mu + tau * eta[j];
}
model {
    eta ~ normal(0, 1);
    y ~ normal(theta, sigma);
}
"""

###フィッティング
フィッティングはたったの2行

sm = pystan.StanModel(model_code=schools_code)
fit = sm.sampling(data=schools_dat, iter=1000, chains=4)

結果

fit.extractで結果を辞書型で格納

la = fit.extract(permuted=True)
print(la['mu'])

> [  2.26169685   7.16400113  12.47582276 ...,   0.91833614  15.98670397  11.11211459]

la['mu'].shape

> (2000,)

print(fit)でこんな感じの結果がでてくる
mu の平均が7.68で標準偏差が5.38、tauの平均が6.7で標準偏差が6.38てなってますね。

print(fit)

>Inference for Stan model: anon_model_cbe9cd2f1e5ab5d1c7cce1f23ca970b4.
>4 chains, each with iter=1000; warmup=500; thin=1; 
>post-warmup draws per chain=500, total post-warmup draws=2000.
>           mean se_mean     sd   2.5%    25%    50%    75%  97.5%  n_eff   Rhat
>mu         7.68    0.25   5.38  -3.72   4.36   7.64  10.83  18.47    448   1.01
>tau         6.7    0.38   6.38   0.14   2.35   5.03   9.16  22.67    283   1.01
>eta[0]     0.42    0.02   0.97  -1.55  -0.21   0.46   1.05   2.26   2000    1.0
>eta[1]  -5.5e-3    0.02   0.87  -1.69  -0.56 9.7e-3   0.55    1.7   2000    1.0
>eta[2]    -0.19    0.02   0.96  -2.15  -0.81   -0.2   0.44   1.64   2000    1.0
>eta[3]    -0.01    0.02   0.85  -1.71  -0.55  -0.02   0.52    1.7   2000    1.0
>...

fit.plot()でグラフ出力

image.png

まずは動いたので今日はここまで。

参照サイト

今回参考にしたWebsiteなど

9
15
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
9
15

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?