Stan (software)
Stan é um software voltado para inferência bayesiana escrito em C++. Uma linguagem específica do software é utilizada para especificar um modelo estatístico bayesiano usando uma declaração imperativa do log da função de densidade de probabilidade.
O programa é disponibilizado sob a licença New BSD License. O software tem este nome em homenagem a Stanislaw Ulam, pioneiro no método de Monte Carlo.
Interfaces
Stan pode ser acessado por várias interfaces:
Algoritmos
Para fazer a inferência, o Stan implementa múltiplos métodos Markov chain Monte Carlo e algoritmos de otimização:
- Algoritmos MCMC:
- Hamiltonian Monte Carlo (HMC) (algoritmo padrão);
- No-U-Turn sampler (NUTS), uma variação do HMC.
- Algoritmos de inferência variacional:
- Inferência variacional caixa-preta.
- Algoritmos de otimização:
- Algoritmo Broyden–Fletcher–Goldfarb–Shanno (BFGS) (algoritmo padrão);
- Algoritmo de Nesterov com acelerador;
- Método de Newton.
Diferenciação automática
O Stan implementa um modo reverso de diferenciação automática para calcular o gradiente do modelo, o qual é requerido pelo HMC e NUTS. A diferenciação automática no Stan pode ser usada fora da linguagem de programação.
Usos
As áreas de uso do Stan incluem ciências sociais e estática médica.
Referências
- 1 2 3 4 5 «Stan Modeling Language: User's Guide and Reference Manual» (PDF). Stan Development Team. Stan (em inglês). 13 de fevereiro de 2014. Consultado em 4 de setembro de 2022
- ↑ Hoffman, Matthew D.; Gelman, Andrew (abril de 2014). «The No-U-Turn Sampler: Adaptively Setting Path Lengths in Hamiltonian Monte Carlo». Journal of Machine Learning Research. 15: pp. 1593–1623
- ↑ Kucukelbir, Alp; Ranganath, Rajesh; Blei, David M. (junho de 2015). «Automatic Variational Inference in Stan». 1506.03431. arXiv:1506.03431
- ↑ Goodrich, Benjamin King; Wawro, Gregory; Katznelson, Ira (2012). «Designing Quantitative Historical Social Inquiry: An Introduction to Stan». Rochester, NY (em inglês). Consultado em 4 de setembro de 2022
- ↑ Natanegara, Fanni and Neuenschwander, Beat and Seaman, John W. and Kinnersley, Nelson and Heilmann, Cory R. and Ohlssen, David and Rochester, George (2013). «The current state of Bayesian methods in medical product development: survey results and recommendations from the DIA Bayesian Scientific Working Group». Pharmaceutical Statistics: n/a. ISSN 1539-1612. doi:10.1002/pst.1595
Bibliografia
- Hoffman, Matthew D., Bob Carpenter, e Andrew Gelman (2012). Stan, scalable software for Bayesian modeling, Proceedings of the NIPS Workshop on Probabilistic Programming.
