R语言近似贝叶斯计算MCMC（ABC-MCMC）轨迹图和边缘图可视化|附代码数据

# 假设数据是正态分布的10个样本

# 平均值为5.3，SD为2.7

data =  rnorm





# 我们想用ABC来推断出所使用的参数。

# 我们从同一个模型中取样，用平均值和方差作为汇总统计。当我们接受ABC时，我们返回真，因为与数据的差异小于某个阈值







ABC <- function(pr){

   

  # 先验避免负的标准偏差

  if (par <= 0) return(F)

   

  # 随机模型为给定的参数生成一个样本。


  samples <- rnorm



  # 与观察到的汇总统计数字的比较

  
  if((difmean < 0.1) & (difsd < 0.2)) return(T) else return(F)

}





# 我们将其插入一个标准的metropolis Hastings MCMC中。

#用metropolis 的接受度来交换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)