Matlab: Metropolis-Hastings算法的实现分布采样

最新推荐文章于 2022-10-13 16:25:18 发布

秋刀鱼程序编程

最新推荐文章于 2022-10-13 16:25:18 发布

阅读量998

点赞数

分类专栏： matlab基础编程及常用案列实战文章标签： matlab 算法开发语言

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_51631044/article/details/126942015

版权

matlab基础编程及常用案列实战专栏收录该内容

21 篇文章 14 订阅 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用Matlab实现Metropolis-Hastings算法进行分布函数采样的详细步骤，包括构造建议分布、产生初始点、迭代过程等。通过一个实例展示了在x=0.5处抽样分布的模拟，结果显示采样效果接近目标分布，验证了算法的有效性。建议在生成候选点时考虑使用正态分布。

摘要由CSDN通过智能技术生成

关于 Metropolis-Hastings实现对分布函数进行采样的算法步骤如下：

1. 构造合适的建议分布 $q(\cdot |\theta ^{(t)})$ ;

2. 从某个分布g中产生 $\theta ^{(0)}$ (一般来说此值是直接设定)；

3. 重复下面过程，直至达到平稳状态（该平稳通常是指其通过分布函数抽样的结果在初始设置的采样点周围波动，波动要求不能过大）；

（1）从 $q(\cdot |\theta ^{(t)})$ 中产生候选点 $\theta ^{{}'}$ ；

（2）从均匀分布U(0,1)中产生U；

了解本专栏

超级会员免费看

秋刀鱼程序编程

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
Matlab: Metropolis-Hastings算法的实现分布采样

3. 重复下面过程，直至达到平稳状态（该平稳通常是指其通过分布函数抽样的结果在初始设置的采样点周围波动，波动要求不能过大）；从采样结果图来看，基本上的采样分布都分布在0.5周围，这也达到了在x=0.5范围里进行抽样。从采样的效果分布图来说，效果接近我们的分布函数，这说明MH算法的效果还是不错的！(注：此处的t的取值范围为0，1，2，....,m,m为需要的抽样次数)注：对于候选点的选取，可以采用不同的分布进行，建议采用正态分布！，取其在x=0.5的抽样分布，运用MH算法实现。（d)增加t,返回到a;
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

秋刀鱼程序编程 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。