因此sn
包具有rmsn
函数清楚地显示出下面的代码段:
function (n = 1, xi = rep(0, length(alpha)), Omega, alpha, tau = 0, dp = NULL) {
//....
lot <- dp2cpMv(dp = dp0, family = "SN", aux = TRUE)
d <- length(dp0$alpha)
y <- matrix(rnorm(n * d), n, d) %*% chol(lot$aux$Psi)
//....
}
这非常类似于如何mvtnorm::rmvn
作品只是矩阵chol()
方法来自dp2cpMv功能的核心库here。您可以将其移植到您的functions{}
区块。而在你斯坦计划你走(我在chol()
假设COV矩阵是一个参数)
functions {
// Contains code for your ported cholesky factor
}
transformed parameters {
matrix[K, J] z;
cholesky_factor_corr[K] L_tri = dp2cvClone(...); // Cholesky factor from your function{} block..
beta = foo + (L_tri * z)'; // Assuming foo is baseline parameter representing the mean of dimensionality J*K.
....
}
parameters {
matrix[K, J] beta; //# J levels/groups and K dimensional parameters
to_vector(z) ~ normal_pdf(0, 1);
....
}
你也可能希望从转化参数转变东西阻止数据或转换的数据块,如果输入dp2cvClone()
是数据。但你明白了。 代码的最后一部分从stan手册section 8.15
中解脱出来,并且为了简洁起见,希望能够捕捉到使其工作所需的重要部分。
来源
2017-05-10 18:43:16
Sid
我没有斯坦代码,但这可能有帮助:http://www.anstuocmath.ro/mathematics/pdf10/83_96_RVernic.pdf。 –