MCMC基础简说

MCMC是一种随机采样方法， 由两个MC组成，即蒙特卡罗方法（Monte Carlo Simulation，简称MC）和马尔科夫链（Markov Chain ，也简称MC）。

蒙特卡罗

蒙特卡罗是一种随机模拟方法，这里以求积分为例。

对于x在区间[a, b]内均匀分布的积分，我们可以在区间内随机采样n点，用n个点坐标均值来模拟代表所有点的值，可以将积分变为求和式：

 可均匀分布只是函数分布的一小部分代表，为了让蒙特卡罗方法适用于更广的范围，我们想引入其他的概率分布模型来使均匀分布对积分式的改变成为特例。假定x在[a, b]的概率分布函数为P(x)，定积分求和就可以表示为：

 这样我们就可以将均匀分布变为特例，如P(X)=1/(b-a)就可以和上上图契合。

至此，关键问题来到了函数概率分布函数怎样获得的问题。对于一些常见的概率分布函数的采样还可以通过均匀分布经数式转换得࿰