スタンは予測的事後を行いますか？

stan（特にrstan）には、予測事後分布を生成する組み込みの機能がありますか？

スタンフィットから分布を生成することは難しくありませんが、ホイールを再発明したくありません。

よると、スタンユーザーマニュアルバージョン2.2.0（ページ361から362まで）：

スタンでは、事後シミュレーションは2つの方法で生成できます。最初のアプローチは、予測された変数をパラメーターとして扱い、モデルブロックでそれらの分布を定義することです。離散変数に対しても機能する2番目のアプローチは、生成された数量ブロックで乱数ジェネレーターを使用して複製データを生成することです。

私は通常後者を使用します。

以下は完全な答えではありませんが、うまくいけば、答えがないよりはましです。私自身のアプリケーションでは、事後予測チェックを適用して、線形モデルから生成された単一の従属メジャーのモデル予測を調べます。これはJAGSでは単純ですが、スタンではやや不透明です。

data{
    int<lower=1> N; // no. rows
    real x[N]; // predictor
    real y[N]; // dependent variable
}
parameters{
    real alpha; // int.
    real beta; // slope
    real<lower=0> sigma_e; // resid. var.
    real y_tilde[N]; // post. pred.
}
model{
    real mu[N];
    for(i in 1:N){
        mu[i] <- alpha + beta*x[i];
    }

    y ~ normal(mu,sigma_e); //lik
    y_tilde ~ normal(mu,sigma_e);

    alpha ~ normal(0,5);
    beta ~ normal(0,5);
    sigma_e ~ cauchy(0,5);
}
generated quantities{
    real minimum;
    real maximum;
    minimum <- min(y_tilde);
    maximum <- max(y_tilde);
}

これを行うにはもっと良い方法があるに違いないので、誰かがより良い答えを投稿してください。ただし、上記のコードは、観測ごとに1つ、N個の事後予測分布を生成します。これを行うのは、極値の予測分布を見つけるy_tildeことができるようにするためですが、事後予測量のみに関心がある場合は、それらすべてを使用しなくても実行できる可能性があります。大きなデータセットの場合、上記のソリューションは明らかにスペースを使いすぎます。