# rstanを入れる準備
install.packages('inline')
install.packages('Rcpp')

# Rtoolsを入れる
# https://github.com/stan-dev/rstan/wiki/Install-Rtools-for-Windows
# 確認
Sys.getenv('PATH')
system('g++ -v')

library(inline) 
library(Rcpp)

install.packages("rstan", dependencies = TRUE)



# ライブラリの読み込み
require(rstan)

# 計算の並列化
rstan_options(auto_write = TRUE)
options(mc.cores = parallel::detectCores())


# モデルの作成
localLevelModel_1 <- "
  data {
    int n;
    vector[n] Nile;
  }
  parameters {
    real mu;                # 確定的レベル（データの平均値）
    real<lower=0> sigmaV;   # 観測誤差の大きさ
  }
  model {
    for(i in 1:n) {
      Nile[i] ~ normal(mu, sqrt(sigmaV));
    }
  }
"



# データの指定
Nile

# Stanに渡すために整形
NileData <- list(Nile = as.numeric(Nile), n=length(Nile))
NileData


# 乱数の種
set.seed(1)

# 確定的モデル
NileModel_1 <- stan(
  model_code = localLevelModel_1,
  data=NileData,
  iter=1100,
  warmup=100,
  thin=1,
  chains=3
)


# 結果の確認
# 推定されたパラメタ
NileModel_1

# 計算の過程を図示
traceplot(NileModel_1)


set.seed(1)

# warmup期間が短すぎたようなので、増やす
NileModel_2 <- stan(
  model_code = localLevelModel_1,
  data=NileData,
  iter=1500,
  warmup=500,
  thin=1,
  chains=3
)

# 推定されたパラメタ
NileModel_2

# 計算の過程を図示
traceplot(NileModel_2)