discuss pinning parameters in workflow in User's Guide
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 55/100
- Tipo de issue
- Documentación
- Claridad
- Bastante claro
- Estado de actividad
- Tranquilo
- Stack tecnológico
- tex
- Área
- documentation
Línea de trabajo
Comienza localizando la sección relevante de Stan User's Guide y revisando la solicitud del blog enlazada y el ejemplo de modelo jerárquico. Añade una discusión sobre la fijación de parámetros durante el desarrollo, incluidos el modelo de escala fija y el enfoque de generated quantities que se muestran aquí. El trabajo estará terminado cuando el workflow y su uso para informar los hiperprioris estén claramente explicados en la guía.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
This is a request from "Somebody" on @andrewgelman's blog:
https://statmodeling.stat.columbia.edu/2026/05/04/expanding-the-stan-users-guide/#comment-2414300.
I'll summarize the first request here.
We should discuss the process of pinning parameters when doing development. This can make the models much faster to fit and also give us some hints at relevant hyper priors. For example, suppose we have a hierarchical model
data {
int<lower=0> N;
}
parameters {
vector[N] alpha;
real<lower=0> sigma;
}
model {
alpha ~ normal(0, sigma);
sigma ~ ???
}
This is going to try to fit alpha and sigma and create a pure funnel posterior which has varying geometry and is not log concave.
We can replace this with a model with a fixed value, say sigma = 1.7. But this requires a new Stan model:
data {
int<lower=0> N;
}
parameters {
vector[N] alpha;
}
model {
alpha ~ normal(0, 1.7);
}
If we fit this second model, we will get a posterior distribution over alpha. I have added a generated quantities block that shows how we can recover the actual scale of the parameter variation per draw, and hence get a posterior over it which can help inform our hyper prior on sigma.
generated quantities {
real<lower=0> sigma_alpha = sd(alpha);
}
- Lenguaje dominante
- TeX
- Estrellas
- 43
- Forks
- 133
- Merge medio
- 8 h 2 min
- PR fusionados (30 d)
- 3
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de stan-dev/docs
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
bug
Dificultad 1/5 1-3 horas Aptitud para principiantes 78/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
-
enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Todos los issues de stan-dev/docs
Issues similares
-
triage-needed
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
MicrosoftDocs/edge-developer#3970 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 66/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100
crazy-goat/rabbit-stream#753 ·
Los mantenedores suelen responder en 1 día
-
agent-research-recommend agent-review-finding chore
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
jordansmall/spindrift#4821 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
[workshop-sim] Repair: Add a fallback sample .lock.yml to the Agentic Workflows Intro Activity 1Abiertofeedback simulation workshop
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
githubnext/gh-aw-workshop#4328 ·
Los mantenedores suelen responder en 1 día