文件名称：MCMC
文件大小：5.06MB
文件格式：ZIP
更新时间：2024-04-04 18:15:35
JupyterNotebook
马尔可夫链蒙特卡洛 我从头开始实现Python中的Metropolis-Hastings算法，以查找虚拟数据示例的参数分布，然后找到现实世界中的问题。 我将仅使用numpy来实现该算法，并使用matplotlib来呈现结果。 可以在需要时使用Scipy计算密度函数，但我还将展示如何使用numpy来实现它们。 MH-Gibbs已添加到此仓库中。
【文件预览】：
MCMC-master
----output_38_3.png(42KB)
----output_12_1.png(11KB)
----MCMC.ipynb(880KB)
----output_28_2.png(114KB)
----data()
--------Sunspot2.jpg(114KB)
--------sigma.PNG(6KB)
--------Sunspot1.jpg(710KB)
--------muobs.PNG(898B)
--------pdfgamma.PNG(4KB)
--------trace.PNG(93KB)
--------Q.PNG(5KB)
--------Ratio.PNG(3KB)
--------finalprediction.PNG(34KB)
--------Acceptance2.PNG(52KB)
--------rk.PNG(6KB)
--------pdf.PNG(13KB)
--------autocorr.PNG(56KB)
--------Like2.PNG(6KB)
--------3figures.PNG(234KB)
--------tracea.PNG(98KB)
--------Ratio2.PNG(6KB)
--------FrequentistPNG.PNG(4KB)
--------Ratio 4.PNG(10KB)
--------Bayes.PNG(4KB)
--------joint.PNG(40KB)
--------Bayes3.PNG(16KB)
--------sunspot.PNG(157KB)
--------Acceptance.PNG(20KB)
--------MH.PNG(19KB)
--------Fig1.PNG(25KB)
--------Bayes2PNG.PNG(23KB)
--------sigma2.PNG(4KB)
--------SN_m_tot_V2.0.csv(120KB)
--------Ratio3.PNG(6KB)
--------like.PNG(16KB)
--------gamma.PNG(86KB)
--------figure2-3.PNG(291KB)
--------traceb.PNG(106KB)
--------predict1.PNG(37KB)
--------Sleep.PNG(7KB)
--------sunspotcount.PNG(37KB)
--------Thomas-Bayes.jpg(550KB)
--------.ipynb_checkpoints()
--------Casino1.jpg(72KB)
----output_24_2.png(36KB)
----MH-Gibbs.ipynb(71KB)
----LICENSE(1KB)
----output_38_2.png(40KB)
----output_35_1.png(146KB)
----output_30_2.png(14KB)
----output_40_2.png(14KB)
----output_38_1.png(38KB)
----.ipynb_checkpoints()
--------MCMC-checkpoint.ipynb(872KB)
--------output_12_1-checkpoint.png(11KB)
--------README-checkpoint.md(442B)
--------MH-Gibbs-checkpoint.ipynb(72B)
----README.md(442B)
----output_20_1.png(283KB)
----output_22_0.png(47KB)