root/library/bdm/stat/exp_family.cpp @ 1283

Revision 1283, 21.2 kB (checked in by sindj, 13 years ago)

Oprava podminky pri odhadu parametru. JS

  • Property svn:eol-style set to native
Line 
1#include <math.h>
2
3#include <itpp/base/bessel.h>
4#include "exp_family.h"
5
6namespace bdm {
7
8Uniform_RNG UniRNG;
9Normal_RNG NorRNG;
10Gamma_RNG GamRNG;
11
12using std::cout;
13
14///////////
15
16void BMEF::bayes ( const vec &yt, const vec &cond ) {
17    this->bayes_weighted ( yt, cond, 1.0 );
18};
19
20void egiw::set_parameters ( int dimx0, ldmat V0, double nu0 ) {
21    dimx = dimx0;
22    nPsi = V0.rows()-dimx;
23    V = V0;
24    if ( nu0 < 0 ) {
25        nu = 0.1 + nPsi + 2 * dimx + 2; // +2 assures finite expected value of R
26        // terms before that are sufficient for finite normalization
27    } else {
28        nu = nu0;
29    }
30}
31
32vec egiw::sample() const {
33    mat M;
34    chmat R;
35    sample_mat ( M, R );
36
37    return concat ( cvectorize ( M ), cvectorize ( R.to_mat() ) );
38}
39
40mat egiw::sample_mat ( int n ) const {
41    // TODO - correct approach - convert to product of norm * Wishart
42    mat M;
43    ldmat Vz;
44    ldmat Lam;
45    factorize ( M, Vz, Lam );
46
47    chmat ChLam ( Lam.to_mat() );
48    chmat iChLam;
49    ChLam.inv ( iChLam );
50
51    eWishartCh Omega; //iWishart, same degrees of freedom as in Wishard in terms of delta
52        // delta = nu - npsi- p -1
53    Omega.set_parameters ( iChLam, nu - nPsi -dimx -1);
54    Omega.validate();
55
56    chmat OmChi;
57    mat Z ( M.rows(), M.cols() );
58
59    mat Mi;
60    chmat Ri;
61    mat tmp ( dimension(), n );
62    M=M.T();// ugly hack == decide what to do with M.
63    for ( int i = 0; i < n; i++ ) {
64        OmChi = Omega.sample_mat();
65        OmChi.inv(Ri );
66                if (M._datasize()>0){
67                        Z = randn ( M.rows(), M.cols() );
68                        Mi = M + Ri._Ch().T() * Z * inv ( Vz._L().T() * diag ( sqrt ( Vz._D() ) ) );
69                }
70        tmp.set_col ( i, concat ( cvectorize ( Mi ), cvectorize ( Ri.to_mat() ) ) );
71    }
72    return tmp;
73}
74
75void egiw::sample_mat ( mat &Mi, chmat &Ri ) const {
76
77    // TODO - correct approach - convert to product of norm * Wishart
78    mat M;
79    ldmat Vz;
80    ldmat Lam;
81    factorize ( M, Vz, Lam );
82
83    chmat Ch(Lam.to_mat());
84    chmat iCh;
85    Ch.inv ( iCh );
86
87    eWishartCh Omega; //inverse Wishart, result is R,
88    Omega.set_parameters ( iCh, nu - nPsi - dimx -1 ); // 2*nPsi is there to match numercial simulations - check if analytically correct
89    Omega.validate();
90
91    chmat Omi;
92    Omi= Omega.sample_mat();
93        Omi.inv ( Ri );
94       
95    if (M._datasize()>0) {
96                M = M.T();
97        mat Z = randn ( M.rows(), M.cols() );
98        Mi = M + Ri._Ch().T() * Z * inv ( Vz._L() * diag ( sqrt ( Vz._D() ) ) );
99    }
100}
101
102double egiw::evallog_nn ( const vec &val ) const {
103    bdm_assert_debug(val.length()==dimx*(nPsi+dimx),"Incorrect cond in egiw::evallog_nn" );
104
105    int vend = val.length() - 1;
106
107    if ( dimx == 1 ) { //same as the following, just quicker.
108        double r = val ( vend ); //last entry!
109        if ( r < 0 ) return -inf;
110        vec Psi ( nPsi + dimx );
111        Psi ( 0 ) = -1.0;
112        Psi.set_subvector ( 1, val ( 0, vend - 1 ) ); // fill the rest
113
114        double Vq = V.qform ( Psi );
115        return -0.5* ( nu*log ( r ) + Vq / r );
116    } else {
117        mat Tmp;
118        if (nPsi>0) {
119            mat Th = reshape ( val ( 0, nPsi * dimx - 1 ), nPsi, dimx );
120            Tmp = concat_vertical ( -eye ( dimx ), Th );
121        } else {
122            Tmp = -eye(dimx);
123        }
124        fsqmat R ( reshape ( val ( nPsi*dimx, vend ), dimx, dimx ) );
125        double ldetR = R.logdet();
126        if ( !std::isfinite(ldetR) ) return -inf;
127        fsqmat iR ( dimx );
128        R.inv ( iR );
129
130        return -0.5* ( nu*ldetR + trace ( iR.to_mat() *Tmp.T() *V.to_mat() *Tmp ) );
131    }
132}
133
134double egiw::lognc() const {
135    const vec& D = V._D();
136
137    double m = nu - nPsi - dimx - 1;
138#define    log2  0.693147180559945286226763983
139#define    logpi 1.144729885849400163877476189
140#define log2pi 1.83787706640935
141#define Inf std::numeric_limits<double>::infinity()
142
143    double nkG = 0.5 * dimx * ( -nPsi * log2pi + sum ( log ( D.mid ( dimx, nPsi ) ) ) );
144    // temporary for lgamma in Wishart
145    double lg = 0;
146    for ( int i = 0; i < dimx; i++ ) {
147        lg += lgamma ( 0.5 * ( m - i ) );
148    }
149
150    double nkW = 0.5 * ( m * sum ( log ( D ( 0, dimx - 1 ) ) ) ) \
151                 - 0.5 * dimx * ( m * log2 + 0.5 * ( dimx - 1 ) * log2pi )  - lg;
152
153//    bdm_assert_debug ( ( ( -nkG - nkW ) > -Inf ) && ( ( -nkG - nkW ) < Inf ), "ARX improper" );
154    if ( -nkG - nkW == Inf ) {
155        cout << "??" << endl;
156    }
157    return -nkG - nkW;
158}
159
160vec egiw::est_theta() const {
161    if ( dimx == 1 ) {
162                if (nPsi<1) return empty_vec;
163               
164        const mat &L = V._L();
165        int end = L.rows() - 1;
166
167        mat iLsub = ltuinv ( L ( dimx, end, dimx, end ) );
168
169        vec L0 = L.get_col ( 0 );
170
171        return iLsub * L0 ( 1, end );
172    } else {
173        bdm_error ( "ERROR: est_theta() not implemented for dimx>1" );
174        return vec();
175    }
176}
177
178void egiw::factorize ( mat &M, ldmat &Vz, ldmat &Lam ) const {
179    const mat &L = V._L();
180    const vec &D = V._D();
181    int end = L.rows() - 1;
182
183    Lam = ldmat ( L ( 0, dimx - 1, 0, dimx - 1 ), D ( 0, dimx - 1 ) );  //exp val of R
184
185    if (dimx<=end) {
186        Vz = ldmat ( L ( dimx, end, dimx, end ), D ( dimx, end ) );
187        mat iLsub = ltuinv ( Vz._L() );
188        // set mean value
189        mat Lpsi = L ( dimx, end, 0, dimx - 1 );
190        M = iLsub * Lpsi;
191    }
192    /*    if ( 0 ) { // test with Peterka
193            mat VF = V.to_mat();
194            mat Vf = VF ( 0, dimx - 1, 0, dimx - 1 );
195            mat Vzf = VF ( dimx, end, 0, dimx - 1 );
196            mat VZ = VF ( dimx, end, dimx, end );
197
198            mat Lam2 = Vf - Vzf.T() * inv ( VZ ) * Vzf;
199        }*/
200}
201
202ldmat egiw::est_theta_cov() const {
203    if ( dimx == 1 ) {
204        const mat &L = V._L();
205        const vec &D = V._D();
206        int end = D.length() - 1;
207
208        mat Lsub = L ( 1, end, 1, end );
209//        mat Dsub = diag ( D ( 1, end ) );
210
211        //ldmat LD ( inv ( Lsub ).T(), 1.0 / D ( 1, end ) );
212        ldmat LD; LD.ldform( inv ( Lsub ).T(), 1.0 / D ( 1, end ) );
213        return LD;
214
215    } else {
216        bdm_error ( "ERROR: est_theta_cov() not implemented for dimx>1" );
217        return ldmat();
218    }
219
220}
221
222vec egiw::mean() const {
223
224    if ( dimx == 1 ) {
225        const vec &D = V._D();
226        int end = D.length() - 1;
227
228        vec m ( dim );
229        m.set_subvector ( 0, est_theta() );
230        m ( end ) = D ( 0 ) / ( nu - nPsi - 2 * dimx - 2 );
231        return m;
232    } else {
233        mat M;
234        mat R;
235        mean_mat ( M, R );
236        return concat ( cvectorize ( M ), cvectorize ( R ) );
237    }
238
239}
240
241vec egiw::variance() const {
242    int l = V.rows();
243    // cut out rest of lower-right part of V
244    // invert it
245    ldmat itmp;
246    if (dimx<l) {
247        const ldmat tmp ( V, linspace ( dimx, l - 1 ) );
248        tmp.inv ( itmp );
249    }
250    // following Wikipedia notation
251    // m=nu-nPsi-dimx-1, p=dimx
252    double mp1p = nu - nPsi - 2 * dimx; // m-p+1
253    double mp1m = mp1p - 2;     // m-p-1
254
255    if ( dimx == 1 ) {
256        double cove = V._D() ( 0 ) / mp1m ;
257
258        vec var ( l );
259        var.set_subvector ( 0, diag ( itmp.to_mat() ) *cove );
260        var ( l - 1 ) = cove * cove / ( mp1m - 2 );
261        return var;
262    } else {
263        ldmat Vll ( V, linspace ( 0, dimx - 1 ) ); // top-left part of V
264        mat Y = Vll.to_mat();
265        mat varY ( Y.rows(), Y.cols() );
266
267        double denom = ( mp1p - 1 ) * mp1m * mp1m * ( mp1m - 2 );         // (m-p)(m-p-1)^2(m-p-3)
268
269        int i, j;
270        for ( i = 0; i < Y.rows(); i++ ) {
271            for ( j = 0; j < Y.cols(); j++ ) {
272                varY ( i, j ) = ( mp1p * Y ( i, j ) * Y ( i, j ) + mp1m * Y ( i, i ) * Y ( j, j ) ) / denom;
273            }
274        }
275        vec mean_dR = diag ( Y ) / mp1m; // corresponds to cove
276        vec var_th = diag ( itmp.to_mat() );
277        vec var_Th ( mean_dR.length() *var_th.length() );
278        // diagonal of diag(mean_dR) \kron diag(var_th)
279        for ( int i = 0; i < mean_dR.length(); i++ ) {
280            var_Th.set_subvector ( i*var_th.length(), var_th*mean_dR ( i ) );
281        }
282
283        return concat ( var_Th, cvectorize ( varY ) );
284    }
285}
286
287void egiw::mean_mat ( mat &M, mat&R ) const {
288    const mat &L = V._L();
289    const vec &D = V._D();
290    int end = L.rows() - 1;
291
292    ldmat ldR ( L ( 0, dimx - 1, 0, dimx - 1 ), D ( 0, dimx - 1 ) / ( nu - nPsi - 2*dimx - 2 ) ); //exp val of R
293
294    // set mean value
295    if (dimx<=end) {
296        mat iLsub = ltuinv ( L ( dimx, end, dimx, end ) );
297        mat Lpsi = L ( dimx, end, 0, dimx - 1 );
298        M = iLsub * Lpsi;
299    }
300    R = ldR.to_mat()  ;
301}
302
303void egiw::log_register ( bdm::logger& L, const string& prefix ) {
304    epdf::log_register ( L, prefix );
305    if ( log_level[logvartheta] ) {
306        int th_dim = dim - dimx*dimx; // dimension - dimension of cov
307        L.add_vector( log_level, logvartheta, RV ( th_dim ), prefix );
308    }
309}
310
311void egiw::log_write() const {
312    epdf::log_write();
313    if ( log_level[logvartheta] ) {
314        mat M;
315        ldmat Lam;
316        ldmat Vz;
317        factorize ( M, Vz, Lam );
318        if( log_level[logvartheta] )
319            log_level.store( logvartheta, cvectorize ( est_theta_cov().to_mat() ) );
320    }
321}
322
323void egiw::from_setting ( const Setting &set ) {
324    epdf::from_setting ( set );
325    UI::get ( dimx, set, "dimx", UI::compulsory );
326    if ( !UI::get ( nu, set, "nu", UI::optional ) ) {
327        nu = -1;
328    }
329    mat Vful;
330        if (set.exists("V.L")){
331                UI::get(V, set, "V", UI::optional);
332        } else {
333        if ( !UI::get ( Vful, set, "fV", UI::optional ) ) {
334            vec dV;
335            UI::get ( dV, set, "dV", UI::compulsory );
336            set_parameters ( dimx, ldmat ( dV ), nu );
337
338        } else {
339            set_parameters ( dimx, Vful, nu );
340        }
341    }
342}
343
344void egiw::to_setting ( Setting& set ) const {
345    epdf::to_setting ( set );
346    UI::save ( dimx, set, "dimx" );
347    UI::save ( V, set, "V" );
348    UI::save ( nu, set, "nu" );
349};
350
351void egiw::validate() {
352    eEF::validate();
353    nPsi = V.rows() - dimx;
354    dim = dimx * ( dimx + nPsi );
355        if (dim<dimx) {bdm_error("Check if matrix V has correct dimension");}
356       
357    if ( nu < 0 ) {
358        nu = 0.1 + nPsi + 2 * dimx + 2; // +2 assures finite expected value of R
359        // terms before that are sufficient for finite normalization
360    }
361
362    // check sizes, rvs etc.
363    // also check if RV are meaningful!!!
364    // meaningful =  rv for theta  and rv for r are split!
365}
366void multiBM::bayes ( const vec &yt, const vec &cond ) {
367    if ( frg < 1.0 ) {
368        beta *= frg;
369        last_lognc = est.lognc();
370    }
371    beta += yt;
372    if ( evalll ) {
373        ll = est.lognc() - last_lognc;
374    }
375}
376
377double multiBM::logpred ( const vec &yt ) const {
378    eDirich pred ( est );
379    vec &beta = pred._beta();
380
381    double lll;
382    if ( frg < 1.0 ) {
383        beta *= frg;
384        lll = pred.lognc();
385    } else if ( evalll ) {
386        lll = last_lognc;
387    } else {
388        lll = pred.lognc();
389    }
390
391    beta += yt;
392    return pred.lognc() - lll;
393}
394void multiBM::flatten ( const BMEF* B, double weight=1.0 ) {
395    const multiBM* E = dynamic_cast<const multiBM*> ( B );
396    // sum(beta) should be equal to sum(B.beta)
397    const vec &Eb = E->beta;//const_cast<multiBM*> ( E )->_beta();
398    beta *= ( sum ( Eb ) / sum ( beta ) * weight);
399    if ( evalll ) {
400        last_lognc = est.lognc();
401    }
402}
403
404vec egamma::sample() const {
405    vec smp ( dim );
406    int i;
407
408    for ( i = 0; i < dim; i++ ) {
409        if ( beta ( i ) > std::numeric_limits<double>::epsilon() ) {
410            GamRNG.setup ( alpha ( i ), beta ( i ) );
411        } else {
412            GamRNG.setup ( alpha ( i ), std::numeric_limits<double>::epsilon() );
413        }
414#pragma omp critical
415        smp ( i ) = GamRNG();
416    }
417
418    return smp;
419}
420
421
422double egamma::evallog_nn ( const vec &val ) const {
423    double res = 0.0; //the rest will be added
424    int i;
425
426    if ( any ( val <= 0. ) ) return -inf;
427    if ( any ( beta <= 0. ) ) return -inf;
428    for ( i = 0; i < dim; i++ ) {
429        res += ( alpha ( i ) - 1 ) * std::log ( val ( i ) ) - beta ( i ) * val ( i );
430    }
431    return res;
432}
433
434double egamma::lognc() const {
435    double res = 0.0; //will be added
436    int i;
437
438    for ( i = 0; i < dim; i++ ) {
439        res += lgamma ( alpha ( i ) ) - alpha ( i ) * std::log ( beta ( i ) ) ;
440    }
441
442    return res;
443}
444
445void egamma::from_setting ( const Setting &set ) {
446    epdf::from_setting ( set ); // reads rv
447    UI::get ( alpha, set, "alpha", UI::compulsory );
448    UI::get ( beta, set, "beta", UI::compulsory );
449}
450
451void egamma::to_setting ( Setting &set ) const
452{
453    epdf::to_setting( set );
454    UI::save( alpha, set, "alpha" );
455    UI::save( beta, set, "beta" );
456}
457
458
459void egamma::validate() {
460    eEF::validate();
461    bdm_assert ( alpha.length() == beta.length(), "parameters do not match" );
462    dim = alpha.length();
463}
464
465void mgamma::set_parameters ( double k0, const vec &beta0 ) {
466    k = k0;
467    iepdf.set_parameters ( k * ones ( beta0.length() ), beta0 );
468}
469
470
471void mgamma::from_setting ( const Setting &set ) {
472    pdf::from_setting ( set ); // reads rv and rvc
473    vec betatmp; // ugly but necessary
474    UI::get ( betatmp, set, "beta", UI::compulsory );
475    UI::get ( k, set, "k", UI::compulsory );
476    set_parameters ( k, betatmp );
477}
478
479void mgamma::to_setting  (Setting  &set) const {
480    pdf::to_setting(set);
481    UI::save( _beta, set, "beta");
482    UI::save( k, set, "k");
483
484}
485
486void mgamma::validate() {
487    pdf_internal<egamma>::validate();
488
489    dim = _beta.length();
490    dimc = _beta.length();
491}
492
493void eEmp::resample ( RESAMPLING_METHOD method ) {
494    ivec ind = zeros_i ( n );
495    bdm::resample(w,ind,method);
496    // copy the internals according to ind
497    for (int i = 0; i < n; i++ ) {
498        if ( ind ( i ) != i ) {
499            samples ( i ) = samples ( ind ( i ) );
500        }
501        w ( i ) = 1.0 / n;
502    }
503}
504
505void resample ( const vec &w, ivec &ind, RESAMPLING_METHOD method ) {
506    int n = w.length();
507    ind = zeros_i ( n );
508    ivec N_babies = zeros_i ( n );
509    vec cumDist = cumsum ( w );
510    vec u ( n );
511    int i, j, parent;
512    double u0;
513
514    switch ( method ) {
515    case MULTINOMIAL:
516        u ( n - 1 ) = pow ( UniRNG.sample(), 1.0 / n );
517
518        for ( i = n - 2; i >= 0; i-- ) {
519            u ( i ) = u ( i + 1 ) * pow ( UniRNG.sample(), 1.0 / ( i + 1 ) );
520        }
521
522        break;
523
524    case STRATIFIED:
525
526        for ( i = 0; i < n; i++ ) {
527            u ( i ) = ( i + UniRNG.sample() ) / n;
528        }
529
530        break;
531
532    case SYSTEMATIC:
533        u0 = UniRNG.sample();
534
535        for ( i = 0; i < n; i++ ) {
536            u ( i ) = ( i + u0 ) / n;
537        }
538
539        break;
540
541    default:
542        bdm_error ( "PF::resample(): Unknown resampling method" );
543    }
544
545    // U is now full
546    j = 0;
547
548    for ( i = 0; i < n; i++ ) {
549        while ( u ( i ) > cumDist ( j ) ) j++;
550
551        N_babies ( j ) ++;
552    }
553    // We have assigned new babies for each Particle
554    // Now, we fill the resulting index such that:
555    // * particles with at least one baby should not move *
556    // This assures that reassignment can be done inplace;
557
558    // find the first parent;
559    parent = 0;
560    while ( N_babies ( parent ) == 0 ) parent++;
561
562    // Build index
563    for ( i = 0; i < n; i++ ) {
564        if ( N_babies ( i ) > 0 ) {
565            ind ( i ) = i;
566            N_babies ( i ) --; //this index was now replicated;
567        } else {
568            // test if the parent has been fully replicated
569            // if yes, find the next one
570            while ( ( N_babies ( parent ) == 0 ) || ( N_babies ( parent ) == 1 && parent > i ) ) parent++;
571
572            // Replicate parent
573            ind ( i ) = parent;
574
575            N_babies ( parent ) --; //this index was now replicated;
576        }
577
578    }
579}
580
581void eEmp::set_statistics ( const vec &w0, const epdf &epdf0 ) {
582    dim = epdf0.dimension();
583    w = w0;
584    w /= sum ( w0 );//renormalize
585    n = w.length();
586    samples.set_size ( n );
587
588    for ( int i = 0; i < n; i++ ) {
589        samples ( i ) = epdf0.sample();
590    }
591}
592
593void eEmp::set_samples ( const epdf* epdf0 ) {
594    w = 1;
595    w /= sum ( w );//renormalize
596
597    for ( int i = 0; i < n; i++ ) {
598        samples ( i ) = epdf0->sample();
599    }
600}
601
602void migamma_ref::from_setting ( const Setting &set ) {
603    migamma::from_setting(set);
604    vec ref;
605    double k,l;
606
607    UI::get ( ref, set, "ref" , UI::compulsory );
608    UI::get( k, set, "k", UI::compulsory );
609    UI::get( l, set, "l", UI::compulsory );
610    set_parameters ( k, ref, l );
611}
612
613void  migamma_ref::to_setting  (Setting  &set) const {
614    migamma::to_setting(set);
615    UI::save ( pow ( refl, 1/(1.0 - l) ), set, "ref");
616    UI::save(l,set,"l");
617    UI::save(k,set,"k");
618}
619
620void mlognorm::from_setting ( const Setting &set ) {
621    pdf_internal<elognorm>::from_setting(set);
622    vec mu0;
623    double k;
624    UI::get ( mu0, set, "mu0", UI::compulsory );
625    UI::get( k, set, "k", UI::compulsory );
626    set_parameters ( mu0.length(), k );
627    condition ( mu0 );
628}
629
630void mlognorm::to_setting  (Setting  &set) const {
631    pdf_internal<elognorm>::to_setting(set);
632    UI::save ( exp(mu + sig2), set, "mu0");
633
634    // inversion of sig2 = 0.5 * log ( k * k + 1 );
635    double k = sqrt( exp( 2 * sig2 ) - 1  );
636    UI::save(k,set,"k");
637}
638
639
640void mlstudent::condition ( const vec &cond ) {
641    if ( cond.length() > 0 ) {
642        iepdf._mu() = A * cond + mu_const;
643    } else {
644        iepdf._mu() =  mu_const;
645    }
646    double zeta;
647    //ugly hack!
648    if ( ( cond.length() + 1 ) == Lambda.rows() ) {
649        zeta = Lambda.invqform ( concat ( cond, vec_1 ( 1.0 ) ) );
650    } else {
651        zeta = Lambda.invqform ( cond );
652    }
653    _R = Re;
654    _R *= ( 1 + zeta );// / ( nu ); << nu is in Re!!!!!!
655}
656
657void eEmp::qbounds ( vec &lb, vec &ub, double perc ) const {
658    // lb in inf so than it will be pushed below;
659    lb.set_size ( dim );
660    ub.set_size ( dim );
661    lb = std::numeric_limits<double>::infinity();
662    ub = -std::numeric_limits<double>::infinity();
663    int j;
664    for ( int i = 0; i < n; i++ ) {
665        for ( j = 0; j < dim; j++ ) {
666            if ( samples ( i ) ( j ) < lb ( j ) ) {
667                lb ( j ) = samples ( i ) ( j );
668            }
669            if ( samples ( i ) ( j ) > ub ( j ) ) {
670                ub ( j ) = samples ( i ) ( j );
671            }
672        }
673    }
674}
675
676void eEmp::to_setting ( Setting &set ) const {
677    epdf::to_setting( set );
678    UI::save ( samples, set, "samples" );
679    UI::save ( w, set, "w" );
680}
681
682void eEmp::from_setting ( const Setting &set ) {
683    epdf::from_setting( set );
684
685    UI::get( samples, set, "samples", UI::compulsory );
686    UI::get ( w, set, "w", UI::compulsory );
687}
688
689void eEmp::validate () {
690    epdf::validate();
691    bdm_assert (samples.length()==w.length(),"samples and weigths are of different lengths");
692    n = w.length();
693    if (n>0)
694        pdf::dim = samples ( 0 ).length();
695}
696
697void eDirich::from_setting ( const Setting &set ) {
698    epdf::from_setting ( set );
699    UI::get ( beta, set, "beta", UI::compulsory );
700}
701
702void eDirich::validate() {
703    //check rv
704    eEF::validate();
705    dim = beta.length();
706}
707
708void eDirich::to_setting ( Setting &set ) const
709{
710    eEF::to_setting( set );
711    UI::save( beta, set, "beta" );
712}
713
714void euni::from_setting ( const Setting &set ) {
715    epdf::from_setting ( set ); // reads rv and rvc
716
717    UI::get ( high, set, "high", UI::compulsory );
718    UI::get ( low, set, "low", UI::compulsory );
719    set_parameters ( low, high );
720
721}
722
723void     euni::to_setting  (Setting  &set) const {
724    epdf::to_setting ( set );
725    UI::save ( high, set, "high" );
726    UI::save ( low, set, "low" );
727}
728
729void euni::validate() {
730    epdf::validate();
731    bdm_assert ( high.length() == low.length(), "Incompatible high and low vectors" );
732    dim = high.length();
733    bdm_assert ( min ( distance ) > 0.0, "bad support" );
734}
735
736void mgdirac::from_setting(const Setting& set) {
737    pdf::from_setting(set);
738    g=UI::build<fnc>(set,"g",UI::compulsory);
739}
740
741void mgdirac::to_setting(Setting &set) const {
742    pdf::to_setting(set);
743    UI::save(g.get(), set, "g");
744}
745
746void mgdirac::validate() {
747    pdf::validate();
748    dim = g->dimension();
749    dimc = g->dimensionc();
750}
751
752void mDirich::from_setting ( const Setting &set ) {
753    pdf::from_setting ( set ); // reads rv and rvc
754    if ( _rv()._dsize() > 0 ) {
755        rvc = _rv().copy_t ( -1 );
756    }
757    vec beta0;
758    if ( !UI::get ( beta0, set, "beta0", UI::optional ) ) {
759        beta0 = ones ( _rv()._dsize() );
760    }
761    if ( !UI::get ( betac, set, "betac", UI::optional ) ) {
762        betac = 0.1 * ones ( _rv()._dsize() );
763    }
764    _beta = beta0;
765
766    UI::get ( k, set, "k", UI::compulsory );
767}
768
769void mDirich::to_setting  (Setting  &set) const {
770    pdf::to_setting(set);
771    UI::save( _beta, set, "beta0");
772    UI::save( betac, set, "betac");
773    UI::save ( k, set, "k" );
774}
775
776
777void mDirich::validate() {
778    pdf_internal<eDirich>::validate();
779    bdm_assert ( _beta.length() == betac.length(), "beta0 and betac are not compatible" );
780    if ( _rv()._dsize() > 0 ) {
781        bdm_assert ( ( _rv()._dsize() == dimension() ) , "Size of rv does not match with beta" );
782    }
783    dimc = _beta.length();
784}
785
786
787void mBeta::from_setting ( const Setting &set ) {
788    pdf::from_setting ( set ); // reads rv and rvc
789    if ( _rv()._dsize() > 0 ) {
790        rvc = _rv().copy_t ( -1 );
791    }
792    if ( !UI::get ( iepdf.beta, set, "beta", UI::optional ) ) {
793        iepdf.beta = ones ( _rv()._dsize() );
794    }
795    if ( !UI::get ( iepdf.alpha, set, "alpha", UI::optional ) ) {
796        iepdf.alpha = ones ( _rv()._dsize() );
797    }
798    if ( !UI::get ( betac, set, "betac", UI::optional ) ) {
799        betac = 0.1 * ones ( _rv()._dsize() );
800    }
801
802    UI::get ( k, set, "k", UI::compulsory );
803}
804
805void mBeta::to_setting  (Setting  &set) const {
806    pdf::to_setting(set);
807    UI::save( iepdf.beta, set, "beta");
808    UI::save( betac, set, "betac");
809    UI::save ( k, set, "k" );
810}
811
812}
Note: See TracBrowser for help on using the browser.