paul-buerkner/brms

Implementing the Skewed T-Distribution

Open

#513 创建于 2018年9月3日

在 GitHub 查看
 (11 评论) (0 反应) (0 负责人)R (220 fork)batch import
familyfeaturegood first issue

仓库指标

Star
 (1,402 star)
PR 合并指标
 (平均合并 7天 21小时) (30 天内合并 1 个 PR)

描述

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

贡献者指南

研究方向
阅读关于偏斜t分布的参考论文。查看brms如何定义分布族及其Stan代码，例如skew normal族。在Stan中实现偏斜t分布，然后创建brms族函数和测试。遵循贡献指南。
技术栈
r
领域
datamachine learning
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
4
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
超过 1 周
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
基本清晰
前置要求
RBayesian statistics
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
20