如果pymc实现Metropolis-Hastings算法从感兴趣的参数中提取后验密度的样本,那么为了决定是否移动到马尔可夫链中的下一个状态,它必须能够评估与后验成比例的事物.所有给定参数值的密度.
后验密度与基于观察数据乘以先前密度的似然函数成比例.
如何在pymc中代表这些？它如何从模型对象计算这些数量？
我想知道是否有人能给我一个关于这种方法的高级描述,或者指出我能找到它的地方.
python bayesian mcmc pymc
bayesian ×1
mcmc ×1
pymc ×1
python ×1