pmmh样本
SMPL = mhsample(start,nsamples,'pdf',pdf,'proppdf',proppdf, ' proprund ', proprund)
smpl = mhsample(…,对称,对称)
smpl = mhsample(…,“燃烧”,K)
smpl = mhsample(…,“薄”,米)
smpl = mhsample(…,nchain, n)
[smpl,接受]= mhsample(…)
SMPL = mhsample(start,nsamples,'pdf',pdf,'proppdf',proppdf, ' proprund ', proprund)
吸引了nsamples
目标平稳分布的随机样本pdf
使用Metropolis-Hastings算法。
开始
是包含马尔可夫链起始值的行向量,nsamples
是指定要生成的样本数量的整数吗pdf
,proppdf
,proprnd
是否使用函数句柄创建@
.proppdf
定义提案分布密度,并且proprnd
定义提案分布的随机数生成器。pdf
和proprnd
将一个参数作为具有相同类型和大小的输入开始
.proppdf
的两个参数作为输入,其类型和大小与开始
.
smpl
是包含样本的列向量或矩阵。如果首选对数密度函数,“pdf”
和“proppdf”
可以用“logpdf”
和“logproppdf”
.Metropolis-Hastings算法中使用的密度函数不一定是归一化的。
建议分布问(x,y)给出选择的概率密度x作为下一个点y是当前点。它有时被写成问(x|y).
如果proppdf
或logproppdf
满足问(x,y) =问(y,x),即建议分布是对称的,mhsample
实现Random Walk Metropolis-Hastings抽样。如果proppdf
或logproppdf
满足问(x,y) =问(x),即提案分布与当前值无关,mhsample
实现了Independent metropolitis - hastings抽样。
smpl = mhsample(…,对称,对称)
吸引了nsamples
目标平稳分布的随机样本pdf
使用Metropolis-Hastings算法。信谊
是指示建议分布是否对称的逻辑值。缺省值为false,对应非对称提议分布。如果信谊
是真的,例如,建议分布是对称的,proppdf
和logproppdf
是可选的。
smpl = mhsample(…,“燃烧”,K)
生成一个马尔可夫链,其值介于起始点和k
th点在生成的序列中被省略。值超出了k
th点保存。k
是否为非负整数,默认值为0
.
smpl = mhsample(…,“薄”,米)
生成一个马尔可夫链m - 1
的米
在生成的序列中忽略的值。米
是否为正整数,默认值为1
.
smpl = mhsample(…,nchain, n)
生成n
马可夫链使用Metropolis-Hastings算法。n
是一个正整数,默认值为1。smpl
是包含样品的矩阵。最后一个维度包含单个链的索引。
[smpl,接受]= mhsample(…)
同样的回报接受
,即建议分布的接受率。接受
如果生成单链,则为标量;如果生成多链,则为矢量。