斯坦 - 难度矢量化

Question

我：

mu_x - 实际值

的10×10矩阵

p型 - 10000长的矢量

sender_name_type - 10000长的矢量

我想找到的价值

x_real - 10000长矢量

我现在有代码，和作品，是：

for(i in 1:N){ 
    if(x_available[i]){ 
    x_real[i]~normal(x[i],0.01);} else{ 
    x_real[i]~normal(mu_x[ptype[i],sender_name_type[i]],0.1); 
    } 
} 

我喜欢然而，向量化它。要做到这一点，我首先需要处理if子句。为此，我尝试添加两个分布，如下所示：

x_real ~ normal(mu_x[ptype,sender_name_type],0.1) * (1-x_avaiable) + normal(x,0.01) * x_available; 

但是，Rstan似乎无法处理添加/乘法分布。我想第二个办法是，像这样：

x_real ~ normal(mu_x[ptype,sender_name_type],0.1); 
x_real[x_available == 1] ~ normal(x,0.01); 

这类似于第一种方法，但它重新定义x_real的行，为此，满足条件。然而，它给了我

号的错误匹配：

真正[]〜NORMAL（矩阵，实）

我怎样才能向量化我目前的解决方案，如果可能的话？有没有其他方法可以加快速度？

Answer 1

当您使用多个索引（如[ptype,sender_name_type]）时，斯坦语不会变平。 Stan语言也不支持按逻辑条件进行索引，例如[x_available == 1]。

执行此类操作的方法是循环设置参数，然后在一个步骤中评估可能性以避免不必要的内存分配。在你的情况下，它看起来像

vector[N] x_hat; 
vector[N] noise; 
for (i in 1:N) { 
    x_hat[i] = x_available[i] ? x[i] : mu_x[ptype[i],sender_name_type[i]]; 
    noise[i] = x_available[i] ? 0.01 : 0.1; 
} 
target += normal_lpdf(x_real | x_hat, noise);