PyMC 베이지안 모델링

무엇을 해주나

• 데이터 준비 → 모델 작성 → 사전예측 검사 → 샘플링 → 진단(R-hat, ESS, divergence) → 사후예측 검사 → 해석 → 예측의 8단계 베이지안 워크플로를 강제합니다.
• 척도·확률·상관행렬 등 파라미터 종류별 사전분포 추천과, 연속/카운트/이진/범주형 결과별 우도 선택 가이드를 제공합니다.
• scripts/model_diagnostics.py로 트레이스·랭크·에너지·ESS 플롯을 포함한 진단 리포트를 자동 생성하고, scripts/model_comparison.py로 PSIS-LOO 기반 모델 비교와 모델 평균을 수행합니다.
• divergence, 낮은 ESS, 높은 R-hat, 느린 샘플링 등 흔한 문제별 해결 순서를 제시합니다.
• 선형회귀·계층모형 템플릿(비중심 파라미터화 포함)이 동봉되어 있습니다.

이런 분께 추천

• 불확실성 정량화가 필요한 데이터 과학자·통계 분석가
• 다수준(계층) 데이터를 다루는 연구자, 임상·심리·마케팅 실험 분석가
• MCMC 수렴 문제로 자주 막히는 PyMC/ArviZ 사용자

활용 예시

1. "학교별 시험 점수 데이터로 계층 모형을 세워줘" → 비중심 파라미터화 템플릿으로 모델 작성 후 사전예측 검사까지 진행.
2. "샘플링에서 divergence가 30개 나왔어" → target_accept 상향, 재파라미터화, 사전분포 강화 순서로 진단·수정.
3. "포아송 모델과 음이항 모델 중 뭐가 나은지 비교해줘" → compare_models()로 LOO 기반 비교 및 신뢰성(파레토 k) 점검.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/pymc/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/pymc 폴더를 내 ~/.claude/skills/pymc/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.