Що відбувається, коли ви не маєте уявлення про розподіл параметрів? Який підхід ми повинні використовувати?
Більшу частину часу ми прагнемо підкреслити, якщо певна змінна має який-небудь вплив на наявність / відсутність певного виду, і змінна приймається чи ні відповідно до значення змінної. Це означає, що більшість випадків ми не замислюємось про очікуваний розподіл, який повинен мати параметр.
Чи правильно вважати, що всі параметри слідують нормальному розподілу, коли все, що я знаю, - це те, що b1, b2, b3 і b4 повинні змінюватись від -2 до 2, а b0 може змінюватися між -5 і 5?
model {
# N observations
for (i in 1:N) {
species[i] ~ dbern(p[i])
logit(p[i]) <- b0 + b1*var1[i] + b2*var2[i] +
b3*var3[i] + b4*var4[i]
}
# Priors
b0 ~ dnorm(0,10)
b1 ~ dnorm(0,10)
b2 ~ dnorm(0,10)
b3 ~ dnorm(0,10)
b4 ~ dnorm(0,10)
}
Якщо у вас немає попереднього, ви не можете використовувати байєсівські умовиводи. А значить, методологія MCMC,
—
Сіань