原文链接：http://tecdat.cn/?p=26336

最近咱们被客户要求撰写对于近似贝叶斯计算的钻研报告，包含一些图形和统计输入。

近似贝叶斯计算和近似技术基于随机模仿模型中的样本计算近似似然值，在过来几年中引起了很多关注，因为它们无望为任何随机过程提供通用统计技术

一位共事向我询问咱们在文章中探讨过的近似贝叶斯计算 MCMC (ABC-MCMC) 算法的简略示例。上面，我提供了一个最小的示例，相似于Metropolis-Hastings 。

 # 假如数据是正态分布的10个样本# 平均值为5.3，SD为2.7data =  rnorm# 咱们想用ABC来推断出所应用的参数。# 咱们从同一个模型中取样，用平均值和方差作为汇总统计。当咱们承受ABC时，咱们返回真，因为与数据的差别小于某个阈值ABC <- function(pr){     # 先验防止负的标准偏差  if (par <= 0) return(F)     # 随机模型为给定的参数生成一个样本。  samples <- rnorm  # 与察看到的汇总统计数字的比拟    if((difmean < 0.1) & (difsd < 0.2)) return(T) else return(F)}# 咱们将其插入一个规范的metropolis Hastings MCMC中。#用metropolis 的接受度来替换ABC的接受度MCMCABC <- function(saue, itns){      for (i in 1:ieraos){                 # 提议函数        prp = rnorm(2,mean = chain[i,], sd= c(0.7,0.7))                 if(A_ance(prl)){            chn[i+1,] = prl        }else{            chn[i+1,] = cain[i,]        }    }    return(mcmc(cin))}plot(psor)

相干视频

**

拓端

，赞15

**

拓端

，赞26

**

拓端

，赞32

后果应该是这样的：

_图_：后验样本的轨迹图和边缘图。从左边的边缘图中，您能够看到咱们正在近似检索原始参数值，即 5.3 和 2.7。

点击文末 “浏览原文”

获取全文残缺材料。

本文选自《R语言近似贝叶斯计算MCMC（ABC-MCMC）轨迹图和边缘图可视化》。

点击题目查阅往期内容

R语言Gibbs抽样的贝叶斯简略线性回归仿真剖析
python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化
Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现
Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
Matlab用BUGS马尔可夫区制转换Markov switching随机稳定率模型、序列蒙特卡罗SMC、M H采样剖析工夫序列R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型剖析职业声望数据
R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机稳定率SV模型、粒子滤波、Metropolis Hasting采样工夫序列剖析
R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
R语言贝叶斯MCMC：用rstan建设线性回归模型剖析汽车数据和可视化诊断
R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例
R语言贝叶斯Poisson泊松-正态分布模型剖析职业足球比赛进球数
R语言用Rcpp减速Metropolis-Hastings抽样预计贝叶斯逻辑回归模型的参数
R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
R语言中贝叶斯网络（BN）、动静贝叶斯网络、线性模型剖析错颌畸形数据
R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
Python贝叶斯回归剖析住房累赘能力数据集
R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归剖析
Python用PyMC3实现贝叶斯线性回归模型
R语言用WinBUGS 软件对学术能力测验建设档次（分层）贝叶斯模型
R语言Gibbs抽样的贝叶斯简略线性回归仿真剖析
R语言和STAN,JAGS：用RSTAN,RJAG建设贝叶斯多元线性回归预测选举数据
R语言基于copula的贝叶斯分层混合模型的诊断准确性钻研
R语言贝叶斯线性回归和多元线性回归构建工资预测模型
R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
R语言stan进行基于贝叶斯推断的回归模型
R语言中RStan贝叶斯层次模型剖析示例
R语言应用Metropolis-Hastings采样算法自适应贝叶斯预计与可视化
R语言随机搜寻变量抉择SSVS预计贝叶斯向量自回归（BVAR）模型
WinBUGS对多元随机稳定率模型：贝叶斯预计与模型比拟
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
R语言应用Metropolis-Hastings采样算法自适应贝叶斯预计与可视化
视频：R语言中的Stan概率编程MCMC采样的贝叶斯模型
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯预计