paul-buerkner/brms

Implementing the Skewed T-Distribution

Open

#513 ouverte le 3 sept. 2018

Voir sur GitHub
 (11 commentaires) (0 réactions) (0 assignés)R (220 forks)batch import
familyfeaturegood first issue

Métriques du dépôt

Stars
 (1 402 stars)
Métriques de merge PR
 (Merge moyen 7j 21h) (1 PR mergée en 30 j)

Description

The skew normal family is great for modeling skewed gaussian data, and the student t distribution is great for outliers. But if one has both skewed data and outliers, the skewed t-distribution might be quite useful! How practical would it be to implement this in brms? This paper outlines an implementation in an MLE/EM setting, but I'm not quite skilled enough to implement it in Stan myself.

https://en.wikipedia.org/wiki/Skewed_generalized_t_distribution#Skewed_t_distribution

Guide contributeur

Direction de recherche
Lisez l'article de référence sur la distribution t asymétrique. Examinez comment brms définit les familles et leur code Stan, par exemple la famille skew normal. Implémentez la distribution t asymétrique en Stan, puis créez la fonction de famille brms et les tests. Suivez les directives de contribution.
Stack technique
r
Domaine
datamachine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Plus d'une semaine
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
RBayesian statistics
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
20