文件名称：ltwMCMC:用Python实现的贝叶斯推理的面向对象MCMC类
文件大小：2.89MB
文件格式：ZIP
更新时间：2024-03-28 22:01:31
python3 bayesian-inference markov-chain-monte-carlo posterior-probability metropolis-hastings-algorithm
lwMCMC轻量级马尔可夫链蒙特卡洛 由NumPy和Metropolis Hastings支持的轻型MCMC进行参数空间采样。 包装布局 许可证，适用于此软件包 README.md-您现在正在阅读的README文件 -先决条件安装该软件包，通过使用PIP 安装程序脚本 /-包含有关软件包安装和使用的文档 /-贝叶斯建模的用例 /-库代码本身 /-单元测试 案例1：利用贝叶斯推断进行实验地球物理建模 后验分布 等高线 MCMC先验坡度 通过幂律蠕变为自然中的冰致密实的幂律流模型恢复了参数约束（请参阅冰蠕变文献）。 网格条目显示了我们参数的一维后验分布，以及具有一个和两个sigma建模误差轮廓的成对投影。 在先验斜率参数为1.8±0.225的情况下，贝叶斯推断的斜率为1.70±0.17。 示例2：使用贝叶斯推断进行粒子衰减建模 后验分布 等高线 MCMC适合搭配 事先的 为粒子
【文件预览】：
ltwMCMC-main
----setup.py(1KB)
----requirements.txt(390B)
----.travis.yml(330B)
----LICENSE(1KB)
----examples()
--------data()
--------pdecay_with_priors.py(7KB)
--------iceflow_with_priors.py(10KB)
----README.md(3KB)
----ltwMCMC()
--------__init__.py(1B)
--------_main.py(5KB)
----docs()
--------appendix.md(974B)
----test()
--------test_operations.py(4KB)