RUNJAGS设置种子，无需事先进行模拟

Question

我正在使用runjags从正态分布中采样一些数据。对于用于模拟的参数，我没有任何先验。似乎runjages不使用参数来修复种子：list(".RNG.name"="base::Super-Duper", ".RNG.seed"=1). 我将参数更改为list(muOfClustsim=rep(1, npop), ".RNG.name"="base::Super-Duper", ".RNG.seed"=1)但它也不起作用。有没有办法在 runjag 中修复此类模型的种子？

下面是一个最小的可重现示例：

library(runjags)
npop=3
nrep=10
sdpop=7
sigma=5
seed=4
set.seed(seed)
N = npop*nrep # nb of observations
## Population identity of each individual used to sample genotypes but not used for common garden test
pop <- rep(1:npop, each=nrep)
muOfClustsim <- rnorm(npop, 0, sdpop) # vector of population means
(tausim <- 1/(sigma*sigma)) # precision of random individual error
# parameters are treated as data for the simulation step
data <- list(N=N, pop=pop, muOfClustsim=muOfClustsim, tausim=tausim)
## JAG model
txtstring <- "
data{
# Likelihood:
for (i in 1:N){
ysim[i] ~ dnorm(eta[i], tausim) # tau is precision (1 / variance)
eta[i] <- muOfClustsim[pop[i]]
}
}
model{
fake <- 0
}
"
## Initial values with seed for reproducibility
initssim <- list(".RNG.name"="base::Super-Duper", ".RNG.seed"=1)
##initssim <- list(muOfClustsim=rep(1, npop), ".RNG.name"="base::Super-Duper", ".RNG.seed"=1)
## Simulate with jags
set.seed(seed)
out <- run.jags(txtstring, data = data, monitor=c("ysim"), sample=1, n.chains=1, inits=initssim, summarise=FALSE)
## reformat the outputs
(ysim1 <- coda::as.mcmc(out)[1:N])
set.seed(seed)
out <- run.jags(txtstring, data = data, monitor=c("ysim"), sample=1, n.chains=1, inits=initssim, summarise=FALSE)
## reformat the outputs
(ysim2 <- coda::as.mcmc(out)[1:N])
identical(ysim1, ysim2)

Answer 1

.RNG.name/.RNG.seed/.RNG.state 初始值适用于模型(或更具体地说，适用于模型中的链(，而不是在数据块中使用。这意味着(据我所知(没有办法在 JAGS <= 4.3 中重现数据块内的任何随机表示。这是可以为JAGS的未来版本添加的东西，但恐怕这是一个低优先级，因为在将数据传递给JAGS之前，总是有可能(而且通常更好(在R中模拟数据。

在您的情况下，答案(假设您想使用 JAGS(是在模型块而不是数据块中进行仿真：

txtstring <- "
model{
# Likelihood:
for (i in 1:N){
ysim[i] ~ dnorm(eta[i], tausim) # tau is precision (1 / variance)
eta[i] <- muOfClustsim[pop[i]]
}
}
"

然后，代码的其余部分按预期运行 §。值得注意的是，数据模拟通常比 JAGS 更适合 R 的任务，但我假设在这种情况下您想使用 JAGS 有一个特定的原因......

马 特

---

§ 虽然你通常不应该期望双打的严格相等，例如：

identical(0.1+0.2, 0.3)

但：

abs(0.3 - (0.1+0.2)) < sqrt(.Machine$double.eps)

甚至更好：

isTRUE(all.equal(0.1+0.2, 0.3))

这非常值得一看：https://www.youtube.com/watch?v=3Bu7QUxzIbA&t=1s