BernoulliErrorDistribution

 
BernoulliErrorDistribution = class BernoulliErrorDistribution(ErrorDistribution)
    BernoulliErrorDistribution(copy=None)
 
To calculate a Bernoulli likelihood for categorical True/False data.
 
For one residual, x, it holds
 
    f( x ) = x          if d is True
             1 - x      if d is False
 
where x needs to be between [0,1]; use the logistic function f(x) = 1/(1+exp(-x)
if necessary. And d is true if the residual belongs to the intended category.
 
The function is mostly used to calculate the likelihood L, or easier
to use log likelihood, logL.
 
    logL = log( x ) if d else log( 1 - x )
 
Author       Do Kester.
 
 
Method resolution order:
BernoulliErrorDistribution
ErrorDistribution
builtins.object
Constructor:
BernoulliErrorDistribution( copy=None )
Constructor of Bernoulli Distribution.
 
Parameters
----------
copy : BernoulliErrorDistribution
    distribution to be copied.
Methods defined here:
acceptWeight()
True if the distribution accepts weights.
Always true for this distribution.
copy()
Return copy of this.
getScale( problem, allpars=None )
Return the noise scale
 
Parameters
----------
problem : Problem
    to be solved
allpars : array_like
    None take parameters from problem.model
    list of all parameters in the problem
logLdata( problem, allpars, mockdata=None )
Return the log( likelihood ) for each residual
 
logL = sum( logLdata )
 
Parameters
----------
problem : Problem
    to be solved
allpars : array_like
    list of all parameters in the problem
mockdata : array_like
    as calculated by the model
logLikelihood_alt( problem, allpars )
Return the log( likelihood ) for a Bernoulli distribution.
 
Alternate calculation.
 
Outside the range the likelihood is zero, so the logL should be -inf.
However for computational reasons the maximum negative value is returned.
 
Parameters
----------
problem : Problem
    to be solved
allpars : array_like
    parameters of the problem
nextPartialData( problem, allpars, fitIndex, mockdata=None )
Return the partial derivative of elements of the log( likelihood )
to the parameters.
 
Parameters
----------
problem : Problem
    to be solved
allpars : array_like
    parameters of the problem
fitIndex : array_like
    indices of parameters to be fitted
mockdata : array_like
    as calculated by the model
partialLogL_alt( problem, allpars, fitIndex )
Return the partial derivative of log( likelihood ) to the parameters.
 
Parameters
----------
problem : Problem
    to be solved
allpars : array_like
    parameters of the problem
fitIndex : array_like
    indices of parameters to be fitted
toSigma( scale )
Return sigma, the squareroot of the variance.
Parameter
--------
scale : float
    the scale of this Bernoulli distribution.
Methods inherited from ErrorDistribution: