ABOUT THIS TOOL
关于 Stan
用于贝叶斯统计建模与高效后验推断的开源概率编程语言及跨语言工具生态。它面向“以显式概率模型开展可诊断的贝叶斯推断”这一类科研任务，可通过Python、R、Julia、CLI、HPC、Cloud使用。本站将其归入数据分析，相关能力标签包括贝叶斯推断、概率编程。
适合用 Stan 语言定义概率模型，通过 CmdStan 或 R、Python、Julia 等接口运行 Hamiltonian Monte Carlo、NUTS 或其他推断方法。应把数据、参数约束和生成量写清楚，使用先验与后验预测检查，并报告链数、预热、迭代、R-hat、有效样本量和发散情况。
Stan 适合哪些科研任务？
- 编写可复用的贝叶斯概率模型
- 运行 HMC/NUTS 后验采样
- 通过多语言接口开展模型诊断与预测
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 发散、低有效样本量和异常 R-hat 是需要处理的诊断信号，不能通过只延长采样来掩盖模型问题
- 参数化、先验和数据尺度会显著影响推断效率与可辨识性，模型仍需领域合理性检验
贝叶斯推断概率编程
最后核验：2026-09-05
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。