Я пытаюсь найти 95% доверительный интервал из 50 образцов. Размеры выборки в диапазоне от 2 до 600, а значения в каждом образце ограничены между 1 и 5. Ex:Байесовская оценка log-normal с использованием JAGS
sample 1 = (1,3.5,2.8,5,4.6)
sample 2 = (1,5)
sample 3 = (4.1,1.1,5,3.5,2,2.4,...)
Образцы с размером 10 или более имеют логарифмически нормальное распределение, где я использовал Зубцы для байесовской оценки логарифмически нормальные параметры, адаптированных от Джона К. Kruschke, с моделью спецификацией, как показано ниже:
modelstring = "
model {
for(i in 1 : N) {
y[i] ~ dlnorm(muOfLogY , 1/sigmaOfLogY^2)
}
sigmaOfLogY ~ dunif(0.001*sdOfLogY , 1000*sdOfLogY)
muOfLogY ~ dunif(0.001*meanOfLogY , 1000*meanOfLogY)
muOfY <- exp(muOfLogY+sigmaOfLogY^2/2)
modeOfY <- exp(muOfLogY-sigmaOfLogY^2)
sigmaOfY <- sqrt(exp(2*muOfLogY+sigmaOfLogY^2)*(exp(sigmaOfLogY^2)-1))
}
"
модели прекрасно работает с размером выборки> 10. Однако, с 3 < = 10 образцами < я получил крайние значения в верхнем пределе (например, 3000), который превысил максимально возможное значение среднего (например, 5). В случае размера выборки = 2, я получил ошибку ниже:
Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :
NA/NaN/Inf in 'y'
Я новичок в зазубрины и не могу понять, как решить эти проблемы. Я думаю, что для smaples < 10 дистрибутив больше не является логнормальным! Любые идеи? Спасибо