文档

mhsample

大都市束缚样本

句法

smpl = mhsample(start,nsamples,'pdf',pdf,'preppdf',preppdf,'proprnd',proprnd)
smpl = mhsample(...,'对称',sym)
smpl = mhsample(...,'burnin',k)
smpl = mhsample(...,'thin',m)
smpl = mhsample(...,'nchain',n)
[SMPL,ACCEPT] = MHSample(...)

描述

smpl = mhsample(start,nsamples,'pdf',pdf,'preppdf',preppdf,'proprnd',proprnd)nsamples来自目标固定分布的随机样品PDF使用大都市杂货算法。

开始是包含马尔可夫链的起始值的行矢量,nsamples是指定要生成的样本数的整数,并且PDF,,,,proppdf, 和前身是使用使用的功能句柄@proppdf定义提案分布密度,并前身定义提案分布的随机数发生器。PDF前身以与类型和大小相同类型和大小的输入以一个参数开始proppdf将两个参数作为输入,其类型和大小与开始

SMPL是包含样品的列矢量或矩阵。如果首选对数密度函数,'PDF''proppdf'可以替换'logpdf'“ logproppdf”。大都市杂物算法中使用的密度函数不一定是标准化的。

提案分布((X,,,,y)给出选择的概率密度X作为下一点y是当前点。有时被写成((X|y)。

如果是proppdf或者logPropPDF满足((X,,,,y)=((y,,,,X),即,提案分布是对称的,mhsample实施随机步行大都市束缚采样。如果是proppdf或者logPropPDF满足((X,,,,y)=((X),即,提案分布独立于当前值,mhsample实施独立的大都市束缚采样。

smpl = mhsample(...,'对称',sym)nsamples来自目标固定分布的随机样品PDF使用大都市杂货算法。符号是指示提案分布是否对称的逻辑值。默认值为false,对应于不对称的建议分布。如果符号是真的,例如,提案分布是对称的,proppdflogPropPDF是可选的。

smpl = mhsample(...,'burnin',k)生成一个马尔可夫链,在起点和kTh生成序列中省略了点。超越kTh保持点。k是一个非负整数,默认值为0

smpl = mhsample(...,'thin',m)生成一个马尔可夫链M-1在......之外m生成序列中省略的值。m是一个积极整数,默认值为1

smpl = mhsample(...,'nchain',n)生成n马尔可夫链使用大都市杂货算法。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,ACCEPT] = MHSample(...)也返回接受,拟议分布的接受率。接受如果生成单个链,则是标量,如果生成多个链,则为矢量。

例子

全部收缩

使用独立的大都市磨砂样本来估计伽马分布的第二阶矩。

RNG默认;%可再现性alpha = 2.43;beta = 1;pdf = @(x)gampdf(x,alpha,beta);目标分布%proppdf = @(x,y)gampdf(x,地板(alpha),地板(alpha)/alpha);proprnd = @(x)sum(...Exprnd(地板(Alpha)/Alpha,地板(Alpha),1));nsamples = 5000;smpl = mhsample(1,nsamples,'PDF',PDF,'promnd​​',主体,...'proppdf',proppdf);

绘制结果。

xxhat = cumsum(smpl。^2)./(1:nsamples)';数字;图(1:nsamples,xxhat)

使用随机步行大都市束缚采样来从标准正态分布中生成样品数据。

RNG默认%可再现性delta = .5;pdf = @(x)normpdf(x);proppdf = @(x,y)unifpdf(y-x,-delta,delta);proprnd = @(x)x + rand*2*delta -delta;nsamples = 15000;x = mhsample(1,nsamples,'PDF',PDF,'promnd​​',主体,“对称”,1);

绘制样本数据。

数字;H = HistFit(X,50);h(1).faceColor = [.8 .8 1];

在R2006a中引入

这个话题有帮助吗?