Zensieren / Abschneiden in JAGS

Ich habe eine Frage, wie man ein Zensurproblem in JAGS einfügt.

Ich beobachte eine bivariate Normalnormalmischung, bei der die X-Werte einen Messfehler aufweisen. Ich möchte das wahre zugrunde liegende "Mittel" der beobachteten zensierten Werte modellieren.

Folgendes habe ich jetzt:

 for (i in 1:n){
   x[i,1:2]~dmnorm(mu[z[i],1:2], tau[z[i],1:2,1:2])
   z[i]~dcat(prob[ ])
 }

Y hat auch einen Messfehler. Was ich tun möchte, ist ungefähr so:

 for (i in 1:n){
   x_obs[i] ~ dnorm(x_true[i],prec_x)I(x_true[i],)
   y_obs[i] ~ dnorm(y_true[i],prec_y)
   c(x_true[i]:y_true[i])~dmnorm(mu[ z [ i ],1:2], tau[z[i],1:2,1:2])
   z[i]~dcat(prob[ ])
 }

 #priors for measurement error
 e_x~dunif(.1,.9)
 prec_x<-1/pow(e_x,2)
 e_y~dunif(2,4)
 prec_y<-1/pow(e_y,2)

Offensichtlich ist der Befehl c in JAGS nicht gültig.

Danke im Voraus.

Vielleicht ist es das, wonach Sie suchen:

x_obs[i] ~ dnorm(x_true[i],prec_x)T(x_true[i], )

JAGS bietet Optionen zum Zensieren und Abschneiden. Es hört sich so an, als ob Sie eine Kürzung wünschen, da Sie a priori wissen, dass die Beobachtung in einem bestimmten Bereich liegt

Lesen Sie das Benutzerhandbuch, um weitere Informationen darüber zu erhalten, wie Zacken das Abschneiden und Zensieren verwenden.

Danke für die Tipps David. Ich habe diese Frage im JAGS-Supportforum gepostet und eine nützliche Antwort erhalten. Der Schlüssel bestand darin, ein zweidimensionales Array für die "wahren" Werte zu verwenden.

for (j in 1:n){ 
  x_obs[j] ~ dnorm(xy_true[j,1], prec_x)T(xy_true[j,1],) 
  y_obs[j] ~ dnorm(xy_true[j,2], prec_y)
  xy_true[j, ] ~ dmnorm(mu[ z [j],1:2], tau[z[j],1:2,1:2]) 
  z[j]~dcat(prob[ ]) 
}

 #priors for measurement error 
 e_x~dunif(.1,.9)
 prec_x<-1/pow(e_x,2)
 e_y~dunif(2,4)
 prec_y<-1/pow(e_y,2)