pyMC API ベイズ・確率プログラミング

pyMC API 分布１　連続分布

API

連続分布

連続分布
pymc.AsymmetricLaplace
pymc.Beta
pymc.Cauchy
pymc.ChiSquared
pymc.ExGaussian
pymc.Exponential
pymc.Flat
pymc.Gamma
pymc.Gumbel
pymc.HalfCauchy
pymc.HalfCauchy
pymc.HalfFlat
pymc.HalfNormal
pymc.HalfStudentT
pymc.Interpolated
pymc.InverseGamma
pymc.Kumaraswamy
pymc.Laplace
pymc.Logistic
pymc.LogitNormal
pymc.LogNormal
pymc.Moyal
pymc.Normal
pymc.Pareto
pymc.PolyaGamma
pymc.Rice
pymc.SkewNormal
pymc.StudentT
pymc.Triangular
pymc.TruncatedNormal
pymc.Uniform
pymc.VonMises
pymc.Wald
pymc.Weibull

使用例

　モデルを作って、オブジェクトを生成します。引数は変数で指定したパラメータに値を代入してコンストラクトに渡します。

with pm.Model():
    x = pm.HalfStudentT('x', sigma=10, nu=10)

pymc.AsymmetricLaplace

非対称-ラプラス　対数尤度

class pymc.AsymmetricLaplace(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
kappa浮動小数点のtensor_like対称性の変数 (kappa > 0)
mu浮動小数点のtensot_like位置変数
b浮動小数点のtensor_likeスケール変数
q浮動小数点のtensor_like対称性変数（0<q<1)
メソッド
AsymmetricLaplace.__init__(*args,**kwargs)
AsymmetricLaplace.dist([kappa,mu,b,q])c/s分布に一致したテンソル変数を生成する。
AsymmetricLaplace.get_kappa([kappa,q])
AsymmetricLaplace.logp(b,kappa,mu)
AsymmetricLaplace.moment(size,b,kappa,mu)

pymc.Beta

ベータ対数尤度

class pymc.Beta(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
alpha浮動小数点のtensor_like指定されていなければ、平均値muと標準偏差sigmaから計算する。
beta浮動小数点のtensor_like指定されていなければ、平均値muと標準偏差sigmaから計算する。
mu浮動小数点のtensor_like0<mu<1
sigma浮動小数点のtensor_like標準偏差（0 < sigma < aqrt(mu * (1-mu)))
nu浮動小数点のtensor_likeベータ分布のサンプル数(nu > 0)
メソッド
Beta.__init__(*args,**kargs)
Beta.dist([alpha,beta,mu,sigma,nu])c/s分布に一致したテンソル変数を生成する。
Beta.get_alpha_beta([alpha,beta,mu,sigma,nu])
Beta.logcdf(alpha.beta)
Beta.logp(alpha,beta)
Beta.moment(size,alpha,beta)
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as st
import arviz as az
plt.style.use('arviz-darkgrid')
x = np.linspace(0, 1, 200)
alphas = [.5, 5., 1., 2., 2.]
betas = [.5, 1., 3., 2., 5.]
for a, b in zip(alphas, betas):
    pdf = st.beta.pdf(x, a, b)
    plt.plot(x, pdf, label=r'$\alpha$ = {}, $\beta$ = {}'.format(a, b))
plt.xlabel('x', fontsize=12)
plt.ylabel('f(x)', fontsize=12)
plt.ylim(0, 4.5)
plt.legend(loc=9)
plt.show()

pymc.Cauchy

コーシー対数尤度

class pymc.Cauchy(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
alpha浮動小数点のtensor_like
beta浮動小数点のtensor_likeスケール変数 > 0
メソッド
Cauchy.__init__(*args,**kwargs)
Cauchy.dist(alpha,beta,*args,**kwargs)c/s分布に一致したテンソル変数を生成する。
Cauchy.logcdf(alpha,beta)
Cauchy.logp(alpha,beta)
Cauchy.moment(size,alpha,beta)

pymc.ChiSquared

X2　対数尤度

class pymc.ChiSquared(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
nu浮動小数点のtensor_like自由度（nu > 0 )
メソッド
ChiSquared.__init__(*args,**kwargs)
ChiSquared.dist(nu,*args,**kwargs)c/s分布に一致したテンソル変数を生成する。
ChiSquared.logcdf(nu)
ChiSquared.logp(nu)
ChiSquared.moment(size,nu)

pymc.ExGaussian

指数修正　ガウス対数尤度

class pymc.ExGaussian(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like正規分布の平均
sigma浮動小数点のtensor_like正規分布の標準偏差（sigma > 0）
nu浮動小数点のtensor_like指数分布の平均( nu > 0)
メソッド
ExGaussian.__init__(*args,**kwargs)
ExGaussian.dist([mu,sigma,nu])c/s分布に一致したテンソル変数を生成する。
ExGaussian.logcdf(mu,sigma,nu)
ExGaussian.logp(mu,sigma,nu)
ExGaussian.moment(size,mu,sigma,nu)

pymc.Exponential

指数　対数尤度

class pymc.Exponential(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
lam浮動小数点のtensor_like率または逆数(lam > 0 )
メソッド
Exponential.__init__(*args,**kwargs)
Exponential.dist(lam,*args,**kwargs)c/s分布に一致したテンソル変数を生成する。
Exponential.logcdf(mu)
Exponential.logp(mu)
Exponential.moment(size,mu)

pymc.Flat

情報が不十分な対数尤度。入力に関わらず０を返す。

class pymc.Flat(*args, **kwargs)

メソッド
Flat.__init__(*args,**kwargs)
Flat.dist(**kwargs)c/s分布に一致したテンソル変数を生成する。
Flat.logcdf()
Flat.logp()
Flat.moment(size)

pymc.Gamma

ガンマ対数尤度

class pymc.Gamma(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
alpha浮動小数点のtensor_like外形変数(alpha > 0)
beta浮動小数点のtensor_like率変数　（beta > 0 )
mu浮動小数点のtensor_like代替 外形変数 mu > 0
sigma浮動小数点のtensor_like代替のスケール変数 sigma > 0
メソッド
Gamma.__init__(*args,**kwargs)
Gamma.dist([alpha,beta,mu,sigma])c/s分布に一致したテンソル変数を生成する。
Gamma.alpha_beta([alpha,beta,mu,sigma])
Gamma.logcdf(alpha,inv_beta)
Gamma.logp(alpha,inv_beta)
Gamma.moment(size,alpha,inv_beta)

pymc.Gumbel

単一パラメータ・グンベル対数分布

class pymc.Gumbel(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like位置変数
beta浮動小数点のtensor_likeスケール変数 beta > 0
メソッド
Gumbel.__init__(*args,**kwargs)
Gumbel.dist(mu,beta,**kwargs)c/s分布に一致したテンソル変数を生成する。
Gumbel.alpha_beta([alpha,beta,mu,sigma])
Gumbel.logcdf(mu,beta)
Gumbel.logp(mu,beta)
Gumbel.moment(size,mu,beta)

pymc.HalfCauchy

半コーシー対数尤度

class pymc.HalfCauchy(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)[source]

変数
beta浮動小数点のtensor_likeスケール変数(beta > 0 )
メソッド
HalfCauchy.__init__(*args,**kwargs)
HalfCauchy.dist(beta,**kwargs)c/s分布に一致したテンソル変数を生成する。
HalfCauchy.logcdf(loc,beta)
HalfCauchy.logp(loc,beta)
HalfCauchy.moment(size,loc,beta)

pymc.HalfFlat

class pymc.HalfFlat(*args, **kwargs)

誤った平坦な事前分布

メソッド
HalfFlat.__init__(*args,**kwargs)
HalfFlat.dist(beta,**kwargs)c/s分布に一致したテンソル変数を生成する。
HalfFlat.logcdf()
HalfFlat.logp()
HalfFlat.moment(size)

pymc.HalfNormal

　半正規 対数尤度

class pymc.HalfNormal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
sigma浮動小数点のtensor_likeスケール変数 sigma > 0
tau浮動小数点のtensor_like精度　tau > 0
メソッド
HalfCauchy.__init__(*args,**kwargs)
HalfCauchy.dist([sigma,tau])c/s分布に一致したテンソル変数を生成する。
HalfCauchy.logcdf(sigma,tau)
HalfCauchy.logp(sigma,tau)
HalfCauchy.moment(size,sigma,tau)

pymc.HalfStudntT

　半ステューデントT 対数尤度

class pymc.HalfStudentT(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)[source]
変数
nu浮動小数点のtensor_likenu > 0
sigma浮動小数点のtensor_likeスケール変数 sigma > 0
lam浮動小数点のtensor_likeスケール変数 lam > 0
引数のlam,sigmaは、どちらか一方がコンストラクタに渡されます。両方を同時に渡すことはできません。
with pm.Model():
    x = pm.HalfStudentT('x', sigma=10, nu=10)

with pm.Model():
    x = pm.HalfStudentT('x', lam=4, nu=10)
メソッド
HalfStudentT.__init__(*args,**kwargs)
HalfStudentT.dist(nu,[sigma,lam])c/s分布に一致したテンソル変数を生成する。
HalfStudentT.logp(nu,sigma)
HalfStudentT.moment(size,nu,sigma)

pymc.Interpolated

　いくつかの格子点で評価した確率密度関数の線形補完で定義された単一変量確率分布

class pymc.Interpolated(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
x_pointsarray_like値のリスト
pdf_pointsarray_likex_pointsの格子点で評価された確率密度関数
メソッド
Interpolated.__init__(*args,**kwargs)
Interpolated.dist(nu,[x_points,pdf_points])c/s分布に一致したテンソル変数を生成する。
Interpolated.logp(x_points)
Interpolated.moment(size,x_points)

pymc.InverseGamma

逆ガンマ対数尤度

class pymc.InverseGamma(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
alpha浮動小数点のtensor_like外形パラメータ ( alpha > 0 )
beta浮動小数点のtensor_likeスケール変数 beta > 0
mu浮動小数点のtensor_like代替外形パラメータ　(mu > 0 )
sigma浮動小数点のtensor_like代替スケール変数 (sigma > 0)
メソッド
InverseGamma.__init__(*args,**kwargs)
InverseGamma.dist([alpha,beta,mu,sigma])c/s分布に一致したテンソル変数を生成する。
InverseGamma.logcdf(alpha,beta)
InverseGamma.logp(alpha,beta)
InverseGamma.moment(size,alpha,beta)

pymc.Kumaraswamy

Kumaraswamy対数尤度

class pymc.Kumaraswamy(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
a浮動小数点のtensor_likea > 0
b浮動小数点のtensor_likeb > 0
メソッド
Kumaraswamy.__init__(*args,**kwargs)
Kumaraswamy.dist([alpha,beta,mu,sigma])c/s分布に一致したテンソル変数を生成する。
Kumaraswamy.logcdf(a,b)
Kumaraswamy.logp(a,b)
Kumaraswamy.moment(size,a,b)

pymc.Laplace

ラプラス対数尤度

class pymc.Laplace(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
mu浮動小数点のtensor_like位置パラメータ
b浮動小数点のtensor_likeスケールパラメータ　b > 0
メソッド
Laplace.__init__(*args,**kwargs)
Laplace.dist(mu,b,*args,**kwargs)c/s分布に一致したテンソル変数を生成する。
Laplace.logcdf(mu,b)
Laplace.logp(mu,b)
Laplace.moment(size,mu,b)

pymc.Logistic

ロジスティック対数尤度

class pymc.Logistic(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
mu浮動小数点のtensor_like位置パラメータ
s浮動小数点のtensor_likeスケールパラメータ　s > 0
メソッド
Logistic.__init__(*args,**kwargs)
Logistic.dist([mu,s])c/s分布に一致したテンソル変数を生成する。
Logistic.logcdf(mu,s)
Logistic.logp(mu,s)
Logistic.moment(size,mu,s)

pymc.LogitNormal

Logit 正規対数尤度

class pymc.LogitNormal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
mu浮動小数点のtensor_like位置パラメータ, デフォルト値　０
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
tau浮動小数点のtensor_likeスケールパラメータ tau > 0, デフォルト値 1
メソッド
Logistic.__init__(*args,**kwargs)
Logistic.dist([mu,sigma,tau])c/s分布に一致したテンソル変数を生成する。
Logistic.logp(mu,sigma)
Logistic.moment(size,mu,sigma)

pymc.LogNormal

対数正規対数尤度

class pymc.LogNormal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
mu浮動小数点のtensor_like位置パラメータ, デフォルト値　０
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
tau浮動小数点のtensor_likeスケールパラメータ tau > 0, デフォルト値 1

引数のsigma,tauはどちらか一方だけをコンストラクタ渡します。両方を渡すことはできません。

with pm.Model():
    x = pm.LogNormal('x', mu=2, sigma = 30 )

または、

with pm.Model():
    x = pm.LogNormal('x', mu=2, tau = 1/100 )
メソッド
LogNormal.__init__(*args,**kwargs)
LogNormal.dist([mu,sigma,tau])c/s分布に一致したテンソル変数を生成する。
LogNormal.logcdf(mu,sigma)
LogNormal.logp(mu,sigma)
LogNormal.moment(size,mu,sigma)

pymc.Moyal

Moyal 対数尤度

class pymc.Moyal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like位置パラメータ, デフォルト値　０
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
メソッド
Moyal.__init__(*args,**kwargs)
Moyal.dist([mu,sigma])c/s分布に一致したテンソル変数を生成する。
Moyal.logcdf(mu,sigma)
Moyal.logp(mu,sigma)
Moyal.moment(size,mu,sigma)

pymc.Normal

単一変量正規対数尤度

class pymc.Normal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)
変数
mu浮動小数点のtensor_like位置パラメータ, デフォルト値　０
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
tau浮動小数点のtensor_likeスケールパラメータ tau > 0, デフォルト値 1

引数のsigmaとtauはどちらか一方がコンストラクタに渡されます。両方を同時に渡すことはできません。

with pm.Model():
    x = pm.Normal('x', mu=0, sigma=10)

with pm.Model():
    x = pm.Normal('x', mu=0, tau=1/23)

メソッド
Normal.__init__(*args,**kwargs)
Normal.dist([mu,sigma])c/s分布に一致したテンソル変数を生成する。
Normal.icdf(mu,sigma)
Normal.logcdf(mu,sigma)
Normal.logp(mu,sigma)
Normal.moment(size,mu,sigma)

pymc.Pareto

パレート対数尤度

class pymc.Pareto(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
alpha浮動小数点のtensor_like外形パラメータ　alpha > ０
m浮動小数点のtensor_likeスケールパラメータ　m > 0
メソッド
Moyal.__init__(*args,**kwargs)
Moyal.dist(alpha,mu,**kwargs)c/s分布に一致したテンソル変数を生成する。
Moyal.logcdf(alpha,m)
Moyal.logp(alpha,m)
Moyal.moment(size,alpha,m)

pymc.PolyaGamma

Polyaガンマ分布

class pymc.PolyaGamma(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
h浮動小数点のtensor_like外形パラメータ　h > ０,デフォルト値 1
z浮動小数点のtensor_likeスケールパラメータ　z > 0, デフォルト値 0

（使用例）

rng = np.random.default_rng()
with pm.Model():
    x = pm.PolyaGamma('x', h=1, z=5.5)
with pm.Model():
    x = pm.PolyaGamma('x', h=25, z=-2.3, rng=rng, size=(100, 5))
メソッド
PolyGamma.__init__(*args,**kwargs)
PolyGamma.dist([h,z])c/s分布に一致したテンソル変数を生成する。
PolyGamma.logcdf(h,z)
PolyGamma.logp(h,z)
PolyGamma.moment(size,h,z)

pymc.Rice

ライス分布

class pymc.Rice(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)[source]

変数
nu浮動小数点のtensor_likeパラメータ, bが設定されていないとき
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
b浮動小数点のtensor_likeシェイプパラメータ nuが指定されていない時,
メソッド
Rice.__init__(*args,**kwargs)
Rice.dist([nu,sigma,b])c/s分布に一致したテンソル変数を生成する。
Rice.get_nu_b(nu,b,sigma)
Rice.logp(b,sigma)
Rice.moment(size,nu,sigma)

pymc.SkewNormal

単一変量 skew-正規対数尤度

変数
mu浮動小数点のtensor_like位置パラメータ, bが設定されていないとき、デフォルト値 0
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
tau浮動小数点のtensor_likeシェイプパラメータ tauが指定されていない時, 代替スケールパラメータ tau > 0, デフォルト値 1
alpha浮動小数点のtensor_like傾斜パラメータ
メソッド
Rice.__init__(*args,**kwargs)
Rice.dist([alpha,mu,sigma,tau])c/s分布に一致したテンソル変数を生成する。
Rice.logp(mu,sigma,alpha)
Rice.moment(size,nu,sigma)

pymc.StudentT

ステューデントT対数尤度

class pymc.StudentT(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
nu浮動小数点のtensor_like自由度、正規化パラメータ
mu浮動小数点のtensor_like位置パラメータ, bが設定されていないとき、デフォルト値 0
sigma浮動小数点のtensor_likeスケールパラメータ　sigma > 0, デフォルト値 1
lam浮動小数点のtensor_likeスケールパラメータ sigmaが指定されていない時, 代替スケールパラメータ lam > 0, デフォルト値 1

引数のsigma,lamはどちらか一方がコンストラクタに渡されます。両方のパラメータを指定することはできません。

(使用例）

with pm.Model():
    x = pm.StudentT('x', nu=15, mu=0, sigma=10)

with pm.Model():
    x = pm.StudentT('x', nu=15, mu=0, lam=1/23)

メソッド
StudentT.__init__(*args,**kwargs)
StudentT.dist(nu[,mu,sigma,lam])c/s分布に一致したテンソル変数を生成する。
StudentT.logcdf(nu,mu,sigma)
StudentT.logp(nu,mu,sigma)
StudentT.moment(size,nu,mu,sigma)

pymc.Triangular

連続三角対数尤度

class pymc.Triangular(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
lower浮動小数点のtensor_like下限、デフォルト値 0
c浮動小数点のtensor_likeモード、デフォルト値 0.5
upper浮動小数点のtensor_like上限、 デフォルト値 1
メソッド
Triangular.__init__(*args,**kwargs)
Triangular.dist([lower,upper,c])c/s分布に一致したテンソル変数を生成する。
Triangular.logcdf(lower,upper,c)
Triangular.logp(lower,c,upper)
Triangular.moment(size,lower,c,upper)

pymc.TruncatedNormal

単一変量主要正規対数尤度

class pymc.TruncatedNormal(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like平均値。デフォルト値は０
sigma浮動小数点のtensor_like標準偏差　sigma > 0, tauが指定されていない時に有効。デフォルト値は１
tau浮動小数点のtensor_like精度。sigmaが指定されていない時に有効
lower浮動小数点のtensor_like下限、左の面
upper浮動小数点のtensor_like上限、 右側

（使用例）

with pm.Model():
    x = pm.TruncatedNormal('x', mu=0, sigma=10, lower=0)

with pm.Model():
    x = pm.TruncatedNormal('x', mu=0, sigma=10, upper=1)

with pm.Model():
    x = pm.TruncatedNormal('x', mu=0, sigma=10, lower=0, upper=1)

メソッド
TruncatedNormal.__init__(*args,**kwargs)
TruncatedNormal.dist([mu,sigma,tau,...])c/s分布に一致したテンソル変数を生成する。
TruncatedNormal.logp(mu,sigma,lower,upper)
TruncatedNormal.moment(size,mu,sigma,...)

pymc.Uniform

連続一様対数尤度

class pymc.Uniform(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
lower浮動小数点のtensor_like下限、デフォルト値 ０
upper浮動小数点のtensor_like上限、 デフォルト値 1
メソッド
Uniform.__init__(*args,**kwargs)
Uniform.dist([lower,upper])c/s分布に一致したテンソル変数を生成する。
Uniform.icdf(lower,upper)
Uniform.logcdf(lower,upper)
Uniform.logp(lower,upper)
Uniform.moment(size,lower,upper)

pymc.VonMises

　単一変量VonMiss対数尤度

class pymc.VonMises(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like平均値、デフォルト値 ０
kappa浮動小数点のtensor_likeコンセントレーション、 デフォルト値 1.0
メソッド
VonMises.__init__(*args,**kwargs)
VonMises.dist([mu,kappa])c/s分布に一致したテンソル変数を生成する。
VonMises.logp(mu,kappa)
VonMises.moment(size,mu,kappa)

pymc.Wald

Wald対数尤度

class pymc.Wald(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
mu浮動小数点のtensor_like平均値。デフォルト値は０
lam浮動小数点のtensor_like相対精度　lam > 0
phi浮動小数点のtensor_like代替シェイプパラメータ。phi > 0
alpha浮動小数点のtensor_likeシフト/位置パラメータ
メソッド
Wald.__init__(*args,**kwargs)
Wald.dist([lmu,lam,phi,alpha])c/s分布に一致したテンソル変数を生成する。
Wald.icdf(mu,lam,phi)
Wald.logcdf(mu,lam,alpha)
Wald.logp(mu,lam,alpha)
Wald.moment(size,mu,lam,alpha)

pymc.Weibull

Weibull対数尤度

class pymc.Weibull(name, *args, rng=None, dims=None, initval=None, observed=None, total_size=None, transform=UNSET, **kwargs)

変数
alpha浮動小数点のtensor_likeシェイプパラメータ　alpha > 0
beta浮動小数点のtensor_likeスケールパラメータ、beta > 0
メソッド
Weibull.__init__(*args,**kwargs)
Weibull.dist([alpha,beta,*args)c/s分布に一致したテンソル変数を生成する。
Weibull.icdf(mu,alpha,beta)
Weibull.logcdf(alpha,beta)
Weibull.logp(alpha,beta)
Weibull.moment(size,alpha,beta)

-pyMC API, ベイズ・確率プログラミング
-, , , , , , , , , , , , , , , , ,