Подгонка ограниченного пуассоновского процесса с переменной скоростью

Я пытаюсь оценить скорость пуассоновского процесса, где скорость изменяется во времени, используя максимальную апостериорную оценку. Вот упрощенный пример с линейно изменяющейся скоростью (λ = ax + b):

import numpy as np
import pymc

# Observation
a_actual = 1.3
b_actual = 2.0
t = np.arange(10)
obs = np.random.poisson(a_actual * t + b_actual)

# Model
a = pymc.Uniform(name='a', value=1., lower=0, upper=10)
b = pymc.Uniform(name='b', value=1., lower=0, upper=10)


@pymc.deterministic
def linear(a=a, b=b):
    return a * t + b

r = pymc.Poisson(mu=linear, name='r', value=obs, observed=True)

model = pymc.Model([a, b, r])
map = pymc.MAP(model)
map.fit()
map.revert_to_max()

print "a :", a._value
print "b :", b._value

Это работает нормально. Но мой фактический пуассоновский процесс ограничен детерминистской ценностью. Поскольку я не могу связать свои наблюдаемые значения с детерминированной функцией, я добавляю функцию Normal Stochastic с небольшой дисперсией для моих наблюдений:

import numpy as np
import pymc

# Observation
a_actual = 1.3
b_actual = 2.0
t = np.arange(10)
obs = np.random.poisson(a_actual * t + b_actual).clip(0, 10)

# Model
a = pymc.Uniform(name='a', value=1., lower=0, upper=10)
b = pymc.Uniform(name='b', value=1., lower=0, upper=10)


@pymc.deterministic
def linear(a=a, b=b):
    return a * t + b

r = pymc.Poisson(mu=linear, name='r')


@pymc.deterministic
def clip(r=r):
    return r.clip(0, 10)

rc = pymc.Normal(mu=r, tau=0.001, name='rc', value=obs, observed=True)

model = pymc.Model([a, b, r, rc])
map = pymc.MAP(model)
map.fit()
map.revert_to_max()

print "a :", a._value
print "b :", b._value

Этот код вызывает следующую ошибку:

Traceback (most recent call last):
  File "pymc-bug-2.py", line 59, in <module>
    map.revert_to_max()
  File "pymc/NormalApproximation.py", line 486, in revert_to_max
    self._set_stochastics([self.mu[s] for s in self.stochastics])
  File "pymc/NormalApproximation.py", line 58, in __getitem__
    tot_len += self.owner.stochastic_len[p]
KeyError: 0

Есть идеи, что я делаю не так?

Ответы на вопрос(1)

Ваш ответ на вопрос