原创R语言MCMC中MetropolisHastings算法吉布斯采样报告论文代码+数据.docx
- 文档编号:26169688
- 上传时间:2023-06-17
- 格式:DOCX
- 页数:2
- 大小:20.61KB
原创R语言MCMC中MetropolisHastings算法吉布斯采样报告论文代码+数据.docx
《原创R语言MCMC中MetropolisHastings算法吉布斯采样报告论文代码+数据.docx》由会员分享,可在线阅读,更多相关《原创R语言MCMC中MetropolisHastings算法吉布斯采样报告论文代码+数据.docx(2页珍藏版)》请在冰豆网上搜索。
原创R语言MCMC中MetropolisHastings算法吉布斯采样报告论文代码+数据
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样数据分析报告
来源:
大数据部落|有问题XX一下“
”就可以了
原文:
创建测试数据
作为第一步,我们创建一些测试数据,用于拟合我们的模型。
让我们假设预测变量和响应变量之间存在线性关系,因此我们采用线性模型并添加一些噪声。
我将x值平衡在零附近以“去相关”斜率和截距。
结果应该看起来像右边的
trueA<-5
trueB<-0
trueSd<-10
sampleSize<-31
#createindependentx-values
x<-(-(sampleSize-1)/2):
((sampleSize-1)/2)
#createdependentvaluesaccordingtoax+b+N(0,sd)
y<- trueA*x+trueB+rnorm(n=sampleSize,mean=0,sd=trueSd)
plot(x,y,main="TestData")
图
定义统计模型
下一步是指定统计模型。
我们已经知道数据是用x和y之间的线性关系y=a*x+b和带有标准差sd的正常误差模型N(0,sd)创建的,所以让我们使用相同的模型进行拟合,看看如果我们可以检索我们的原始参数值。
从模型中导出似然函数
为了估计贝叶斯分析中的参数,我们需要导出我们想要拟合的模型的似然函数。
可能性是我们期望观察到的数据以我们所看到的模型的参数为条件发生的概率(密度)。
因此,假设我们的线性模型y=b+a*x+N(0,sd)将参数(a,b,sd)作为输入,我们必须返回在此模型下获得上述测试数据的概率(这听起来更复杂,正如你在代码中看到的那样,我们只是计算预测y=b+a*x和观察到的y之间的差异,然后我们必须查找概率密度(使用dnorm)发生这种偏差。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 原创 语言 MCMC MetropolisHastings 算法 吉布斯 采样 报告 论文 代码 数据