আমি সবে স্ট্যানে মডেলগুলি তৈরি করা শুরু করেছি ; সরঞ্জামটির সাথে পরিচিতি বাড়ানোর জন্য, আমি বয়েসিয়ান ডেটা অ্যানালাইসিসের (দ্বিতীয় সংস্করণ) কয়েকটি অনুশীলনের মধ্য দিয়ে কাজ করছি। Waterbuck ব্যায়াম supposes যে তথ্য সঙ্গে, ( এন , θ ) অজানা। যেহেতু হ্যামিল্টনিয়ান মন্টে কার্লো বিযুক্ত পরামিতি অনুমতি দেয় না, আমি ঘোষণা করেছি এন একটি বাস্তব যেমন ∈ [ 72 , ∞ ) এবং রিয়েল-মূল্যবান দ্বিপদ বিন্যাস ব্যবহার কোডেড ফাংশন।lbeta
ফলাফলগুলির একটি হিস্টোগ্রাম সরাসরি উত্তরোত্তর ঘনত্বের গণনা করে যা আমি পেয়েছিলাম তার সাথে কার্যত অভিন্ন দেখায়। তবে, আমি উদ্বিগ্ন যে কিছু সূক্ষ্ম কারণ থাকতে পারে যে আমার এই ফলাফলগুলিতে সাধারণভাবে বিশ্বাস করা উচিত নয়; যেহেতু তে প্রকৃত মূল্যবান অনুমানটি অ-পূর্ণসংখ্যার মানগুলিতে ইতিবাচক সম্ভাবনা দেয় তাই আমরা জানি যে এই মানগুলি অসম্ভব, কারণ ভগ্নাংশ জলবাক বাস্তবে বিদ্যমান নয়। অন্যদিকে, ফলাফলগুলি ভাল বলে মনে হচ্ছে, তাই সরলকরণের ক্ষেত্রে এই ক্ষেত্রে অনুমানের কোনও প্রভাব নেই।
এই পদ্ধতিতে মডেলিংয়ের জন্য কি কোনও গাইডলম্ব নীতি বা নিয়ম রয়েছে, বা "প্রচার" করার এই পদ্ধতিটি কি কোনও খারাপ অভ্যাসের জন্য একটি পৃথক প্যারামিটারের?