在Turing中实现含缺失数据的伯努利模型报错，求解决

你在将JAGS的含缺失数据玩具伯努利模型转为Julia Turing实现时，运行触发TaskFailedException，嵌套错误显示Beta分布不满足α>zero(α)的定义域要求，以下是错误原因和解决办法：

错误原因 #

1. 缺失数据处理方式差异：JAGS会自动将缺失值视为待推断的随机变量，但Turing需要显式声明缺失值为模型变量，若未正确标记，可能导致先验参数被错误赋值为0或负数。
2. 先验参数赋值错误：如果代码中Beta分布的α/β参数被设为0、负数，或是从含缺失值的计算中得到非正值，会直接触发定义域校验失败。
3. 采样器初始值问题：NUTS等采样器对初始值敏感，若初始值落在Beta分布边界（比如p=0或1），会导致先验计算时出现数值异常。

解决方法 #

• 显式标记缺失数据为随机变量：在Turing模型中，要把缺失的观测值明确作为变量处理。比如数组y含缺失值时，遍历每个元素，对缺失的y[i]赋予伯努利先验，和观测值统一处理。
• 确保Beta先验参数严格为正：直接使用正数作为Beta的超参数，比如p ~ Beta(1.0, 1.0)，避免用可能为0的动态计算值作为参数。
• 手动指定采样器初始值：给采样器设置合理的初始值，避开分布边界，比如用init_params=Dict(:p=>0.5)来初始化p的取值。
• 正确标记数据缺失值：确保输入数据中的缺失值用Julia的missing类型标记，不要用0或其他占位符，避免模型误将其当作有效观测值计算。

修正后的代码示例 #

JAGS原模型参考 #

model {
  # 先验
  p ~ dbeta(1, 1)
  # 似然：自动处理缺失值
  for (i in 1:N) {
    y[i] ~ dbern(p)
  }
}

修正后的Turing模型 #

using Turing, Distributions

# 生成含缺失值的数据集
N = 100
true_p = 0.3
y = rand(Bernoulli(true_p), N)
y[1:10] .= missing  # 标记前10个值为缺失

@model function bernoulli_missing(y)
    N = length(y)
    # 固定正参数的Beta先验
    p ~ Beta(1.0, 1.0)
    # 遍历处理每个观测值，缺失值作为随机变量推断
    for i in 1:N
        y[i] ~ Bernoulli(p)
    end
end

# 运行推理，指定初始值
model = bernoulli_missing(y)
chain = sample(model, NUTS(), 1000; init_params=Dict(:p=>0.5))

内容的提问来源于stack exchange，提问作者Adam Ryczkowski