![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
贝叶斯分析
文章平均质量分 92
杨纳切克
这个作者很懒,什么都没留下…
展开
-
MCMC简介
MCMC的基本概念MCMC(Markov Chain Monte Carlo)是贝叶斯分析的基础之一,对于很多的问题,我们无法直接计算样本的概率,也无法直接对目标分布做采样模拟。这样的问题怎样解决呢?有一个疯狂的想法是,构建一个可逆的马尔可夫链(细致平衡条件),这个链上的节点,状态转化的概率等于目标分布的概率密度函数。让这个马尔可夫链不断进行状态转化,我们就获得了想要的概率分布的随机样本。这点很让人费解,既然你没法直接计算样本的概率,也无法直接对分布进行采样,为什么构建一个马尔可夫链就能实现这个问题呢原创 2021-03-13 15:45:24 · 3554 阅读 · 0 评论 -
如何理解接受拒绝采样(Acceptance-Rejection Sampling)【非原创】
@[TOC](如何理解接受拒绝采样(Acceptance-Rejection Sampling) 【非原创】)如何理解接受拒绝采样(Acceptance-Rejection Sampling)简单介绍接受拒绝采样用于在已知目标分布f(x)f(x)f(x)的情况下,获得服从f(x)f(x)f(x)分布的随机样本。具体做法如下:选择辅助采样分布Y,其概率密度函数g(x)g(x)g(x);计算满足概率分布c∗g(x)≥f(x)c*g(x)\geq f(x)c∗g(x)≥f(x)的最小值ccc;使用转载 2021-01-16 20:26:48 · 1857 阅读 · 0 评论