有没有办法在 JAGS 中获取和存储矩阵元素的位置？

如何解决有没有办法在 JAGS 中获取和存储矩阵元素的位置？

我正在 R 中开发贝叶斯分层模型，在 JAGS 中使用 BUGS 代码。

在我的模型中，我有两个矩阵，它们在相同的矩阵位置包含彼此的相关信息。我的信息是按行组织的。我按行对第一个矩阵 distmat 应用数学运算：

diffmat[i,j] <- abs(distmat[birthterr[i],j] - dist[i])

我有兴趣在新向量中记录 diffmat 每一行中每个最小值的列位置，然后将此向量应用于第二个矩阵。这在使用函数“which”或“which.min”的常规R代码中相对容易：

a <- numeric()
for (i in 1:dim(diffmat)[1])
  for (j in 1:dim(diffmat)[2])
a[i] <- which.min(diffmat[i,])

然后将向量“a”应用于第二个矩阵（termmat）以获得与 distmat 位置关联的值：

b <- numeric(0)
for (i in 1:dim(diffmat)[1])
  for (j in 1:dim(diffmat)[2])
b[i] <- terrmat[i,a[i]]

但是，显然 BUGS 代码无法识别 which 或 which.min()，我正在努力寻找一种方法将这些矩阵行位置存储在向量中。也许对此有一个非常简单的解决方案，但我真的陷入了困境。希望我的信息足够清楚。

任何建议将不胜感激。感谢您的时间！

解决方法

这是一个最小的工作示例。这里的类比是 x 将是您的 diffmat。我在这里随机绘制它，但如果您以其他方式定义它，它应该仍然有效。本质上，您对每一行中 x 的值进行排名，并创建一个新矩阵 e，该矩阵是一个虚拟矩阵，如果 x[i,j] 排名为 1，则编码为 1，否则为 0。然后，假设 1:ncol(terrmat) 和 terrmat 具有相同的维度，您取其内积和来自 diffmat 的值向量。然后，这将为您提供观察 i 的第一个排名值的列索引。下面示例中的 ymat 是您的 terrmat 所在的位置。我认为它在任何实际大小的问题上都会很慢，但它似乎可以从下面的输出中工作。

dl <- list(
ymat = matrix(1:3,ncol=3,nrow=5,byrow=TRUE),yinds = 1:3
)
mods <- "model{
  for(i in 1:5){
    for(j in 1:3){
      x[i,j] ~ dnorm(0,1)
      e[i,j] <- equals(rx[i,j],1)
    }
    rx[i,1:3] <- rank(x[i,1:3])
    ind[i] <- inprod(e[i,],yinds)
    yval[i] <- ymat[i,ind[i]]
  }
  
}"

library(runjags)

out <- run.jags(mods,data=dl,monitor="yval")

out
# 
# JAGS model summary statistics from 20000 samples (chains = 2; adapt+burnin = 5000):
#   
#         Lower95 Median Upper95   Mean      SD Mode     MCerr MC%ofSD SSeff       AC.10    psrf
# yval[1]       1      2       3 1.9973  0.8139    2 0.0058421     0.7 19409  -0.0077146 0.99996
# yval[2]       1      2       3 2.0067 0.81605    3 0.0057704     0.7 20000  0.00049096  1.0003
# yval[3]       1      2       3 1.9895  0.8142    2 0.0057573     0.7 20000  0.00066309       1
# yval[4]       1      2       3 1.9973 0.81638    1 0.0057727     0.7 20000 -0.00040016 0.99998
# yval[5]       1      2       3  1.993 0.81611    1 0.0057708     0.7 20000  -0.0027988 0.99996
# 
# Total time taken: 0.7 seconds