本文介绍了马氏链的基本原理和采样方法，包括Metropolis-Hastings采样和Gibbs采样的概念及Python实现。通过这两种方法，可以生成目标分布的随机样本，尤其适用于高维分布的采样。文中还展示了采样结果的图形展示，帮助读者直观理解采样效果。
马氏链
原理
采样方法
所谓的采样方法,主要就是利用了马氏链的性质
π n ( x ) \pi_n(x) πn(x)为一个离散的概率分布
π n ( x ) = [ π n ( 1 ) , π n ( 2 ) , . . . , π n ( m ) ] \pi_n(x)=[\pi_n(1),\pi_n(2),...,\pi_n(m)] πn(x)=[πn(1),πn(2),...,πn(m)]
当马氏链收敛至平稳分布时(假设第n次转移时收敛), π n ( x ) , π n + 1 ( x ) , π n + 2 ( x ) , . . . . \pi_n(x),\pi_{n+1}(x),\pi_{n+2}(x),.... πn(x),πn+1(x),πn+2
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
