FloatingPointError из PyMC в выборке из дистрибутива Дирихле

После не удалось использовать декораторы, чтобы определить стохастический объект "логарифма экспоненциальной случайной величины", я решил вручную написать код для этого нового дистрибутива используя pymc.stochastic_from_dist. Модель, которую я пытаюсь реализовать, доступна здесь (первая модель):

Теперь, когда я пытаюсь пробовать журнал (альфа) с помощью MCMC Metropolis и с нормальным распределением как предложение (как было указано на следующем рисунке в качестве метода выборки), я получаю следующую ошибку:

  File "/Library/Python/2.7/site-packages/pymc/distributions.py", line 980, in rdirichlet
    return (gammas[0]/gammas[0].sum())[:-1]

FloatingPointError: invalid value encountered in divide

Хотя время, в течение которого выборка не запускается с ошибкой, гистограммы выборки соответствуют тем, которые приведены в этой статье. Моя иерархическая модель:

"""
A Hierarchical Bayesian Model for Bags of Marbles

logalpha ~ logarithm of an exponential distribution with parameter lambd
beta ~ Dirichlet([black and white ball proportions]:vector of 1's)
theta ~ Dirichlet(alpha*beta(vector))

"""

import numpy as np
import pymc
from scipy.stats import expon
lambd=1.
__all__=['alpha','beta','theta','logalpha']
#------------------------------------------------------------
# Set up pyMC model: logExponential
# 1 parameter: (alpha)

def logExp_like(x,explambda):
    """log-likelihood for logExponential"""
    return -lambd*np.exp(x)+x
def rlogexp(explambda, size=None):
    """random variable from logExponential"""
    sample=np.random.exponential(explambda,size)
    logSample=np.log(sample)
    return logSample
logExponential=pymc.stochastic_from_dist('logExponential',logp=logExp_like,
                                          random=rlogexp,
                                          dtype=np.float,
                                          mv=False)
#------------------------------------------------------------
#Defining model parameteres alpha and beta.
beta=pymc.Dirichlet('beta',theta=[1,1])
logalpha=logExponential('logalpha',lambd)

@pymc.deterministic(plot=False)
def multipar(a=logalpha,b=beta):
    out=np.empty(2)
    out[0]=(np.exp(a)*b)
    out[1]=(np.exp(a)*(1-b))
    return out
theta=pymc.Dirichlet('theta',theta=multipar)

И мой тестовый код выборки:

from pymc import Metropolis
from pymc import MCMC
from matplotlib import pyplot as plt
import HBM
import numpy as np
import pymc
import scipy
M=MCMC(HBM)
M.use_step_method(Metropolis,HBM.logalpha, proposal_sd=1.,proposal_distribution='Normal')
M.sample(iter=1000,burn=200)

Когда я проверяю значения тета, переданные гамма-распределению в строке 978 распределений .py, я вижу, что нет нулевых, но малых значений! Поэтому я не знаю, как предотвратить эту ошибку с плавающей запятой?

Ответ 1