MCMC在Python中的实现

我有以下问题：

有12个样本，每个样本约20000个元素，来自未知分布（有时分布不是单峰的，因此很难自动估计分布的分析族）。 根据这些分布，我计算不同的量。如何以最有效（最简单）的方式探索目标数量的分布

非常清楚，这里有一个简单的例子：数量a等于B*C/D

B、 C，D是根据未知的规律分布的，但我有来自它们分布的样本，根据这些样本，我想计算A的分布。 所以事实上，我想要的是一个工具，根据变量的样本来探索目标数量的分布

我知道有MCMC算法可以做到这一点。但是有人知道用Python或C实现MCMC采样器的好方法吗？或者有没有其他方法来解决这个问题

---

马克西姆

你看了吗？正如它在描述中所说：“pymc是一个python包，它将Metropolis Hastings算法作为python类实现，并且非常灵活，适用于一大组问题”，因此您可以使用它来获取一系列随机样本。

您看过了吗？正如它在描述中所说：“pymc是一个python包，它实现了Metropolis Hastings算法作为一个python类，并且非常灵活，适用于大量问题。”因此，您可以使用获取随机样本序列。

探索a分布的最简单方法是使用您的规则基于B、C和D的样本生成样本。也就是说，对于每次迭代，从各自的样本集中独立地重复绘制一个B、C和D值，并计算A=B*C/D

---

如果B、C和D的样本集大小相同，我建议为相同大小的a生成一个样本。更少的样本将导致信息丢失，更多的样本将无法获得更多信息。是的，即使许多样本不会被绘制，我仍然建议重复绘制。

探索A分布的最简单方法是使用您的规则基于B、C和D的样本生成样本。也就是说，对于每次迭代，从各自的样本集中独立地重复绘制一个B、C和D值，并计算A=B*C/D

---

如果B、C和D的样本集大小相同，我建议为相同大小的a生成一个样本。更少的样本将导致信息丢失，更多的样本将无法获得更多信息。是的，即使许多样品不会被绘制，我仍然建议重复绘制。

是的，我已经看过了。实际上我用它来产生12个变量样本。这是一个进行贝叶斯分析的强大工具，但我还没有找到一种方法来使用它的MCMC采样器来解决我的特定问题。在这种情况下，你应该重新表述你的问题，也许有更熟悉该软件包的人可以帮你。是的，我已经看过了。实际上我用它来产生12个变量样本。这是一个进行贝叶斯分析的强大工具，但我还没有找到一种方法来使用它的MCMC采样器来解决我的特定问题。如果是这样的话，你应该重新表述你的问题，也许更熟悉该软件包的人可以帮你。