贝叶斯统计：PyMC3 (3.1)

最新推荐文章于 2024-08-04 10:20:45 发布

Wayne2019

最新推荐文章于 2024-08-04 10:20:45 发布

阅读量3.4k

点赞数

分类专栏：概率(图)模型文章标签：统计学贝叶斯 pymc mcmc 马尔科夫链蒙特卡罗

本文链接：https://blog.csdn.net/wayne2019/article/details/78080413

版权

本文深入探讨了PyMC3库在贝叶斯统计中的应用，包括MCMC方法、后验预测检查、模型比较、模型平均、贝叶斯生存分析等。此外，还介绍了高斯过程、混合模型、变分推断等主题，并通过实例进行解析。

摘要由CSDN通过智能技术生成

之前用过这个包中的几种MCMC方法，感觉还是很好用的。现在来总结一下目前这个包中含有的功能模块，顺便复习一下贝叶斯统计学的相关知识点。这个包更新还是挺快的，比一年前多了好多东西，内容很多，无法一次写完，因此本文会不断更新。

Sampler statistics

Diagnosing Biased Inference with Divergences：
- 各态历经（ergodicity）
- geometric ergodicity
- 算例：The Eight Schools Model
- Dangerously-Short Markov Chain
- 算例：Non-Centered Eight Schools Implementation

Posterior Predictive Checks

Model comparison：
- Akaike’s Information Criterion (AIC)
- Deviance Information Criterion (DIC)
- Widely-applicable Information Criterion (WAIC)
- Leave-one-out Cross-validation (LOO)

Model averaging：
- Bayesian Model Averaging
- Pseudo Bayesian model averaging
- Pseudo Bayesian model averaging with Bayesian Bootstrapping
- Stacking
- Weighted posterior predictive samples
- continuous