def get_mle_log_prior(mle_par, prior_par):
beta = mle_par['beta'].get()
mu = mle_par['mu'].get()
tau = mle_par['tau'].get()
K = len(beta)
log_p_beta = ef.mvn_prior(
prior_mean = prior_par['beta_prior_mean'].get(),
prior_info = prior_par['beta_prior_info'].get(),
e_obs = beta,
cov_obs = np.zeros((K, K)))
log_p_mu = ef.uvn_prior(
prior_mean = prior_par['mu_prior_mean'].get(),
prior_info = prior_par['mu_prior_info'].get(),
e_obs = mu,
var_obs = 0.0)
log_p_tau = ef.gamma_prior(
prior_shape = prior_par['tau_prior_alpha'].get(),
prior_rate = prior_par['tau_prior_beta'].get(),
e_obs = tau,
e_log_obs = np.log(tau))
return log_p_beta + log_p_mu + log_p_tau
def get_e_log_prior(glmm_par, prior_par):
e_beta = glmm_par['beta']['mean'].get()
info_beta = glmm_par['beta']['info'].get()
#cov_beta = np.linalg.inv(info_beta)
cov_beta = np.diag(1. / info_beta)
beta_prior_info = prior_par['beta_prior_info'].get()
beta_prior_mean = prior_par['beta_prior_mean'].get()
e_mu = glmm_par['mu']['mean'].get()
info_mu = glmm_par['mu']['info'].get()
var_mu = 1 / info_mu
e_tau = glmm_par['tau'].e()
e_log_tau = glmm_par['tau'].e_log()
e_log_p_beta = ef.mvn_prior(
prior_mean = prior_par['beta_prior_mean'].get(),
prior_info = prior_par['beta_prior_info'].get(),
e_obs = e_beta,
cov_obs = cov_beta)
e_log_p_mu = ef.uvn_prior(
prior_mean = prior_par['mu_prior_mean'].get(),
prior_info = prior_par['mu_prior_info'].get(),
e_obs = e_mu,
var_obs = var_mu)
e_log_p_tau = ef.gamma_prior(
prior_shape = prior_par['tau_prior_alpha'].get(),
prior_rate = prior_par['tau_prior_beta'].get(),
e_obs = e_tau,
e_log_obs = e_log_tau)
return e_log_p_beta + e_log_p_mu + e_log_p_tau
def get_log_prior(self):
beta = self.glmm_par_draw['beta'].get()
mu = self.glmm_par_draw['mu'].get()
tau = self.glmm_par_draw['tau'].get()
log_tau = np.log(tau)
cov_beta = np.zeros((self.K, self.K))
beta_prior_info = self.prior_par['beta_prior_info'].get()
beta_prior_mean = self.prior_par['beta_prior_mean'].get()
log_p_beta = ef.mvn_prior(
beta_prior_mean, beta_prior_info, beta, cov_beta)
log_p_mu = ef.uvn_prior(
self.prior_par['mu_prior_mean'].get(),
self.prior_par['mu_prior_info'].get(), mu, 0.0)
tau_prior_shape = self.prior_par['tau_prior_alpha'].get()
tau_prior_rate = self.prior_par['tau_prior_beta'].get()
log_p_tau = ef.gamma_prior(
tau_prior_shape, tau_prior_rate, tau, log_tau)
return log_p_beta + log_p_mu + log_p_tau