R语言近似贝叶斯计算MCMC（ABC-MCMC）轨迹图和边缘图可视化

一位同事向我询问我们在文章中讨论过的近似贝叶斯计算 MCMC (ABC-MCMC) 算法的简单示例。下面，我提供了一个最小的示例，类似于Metropolis-Hastings 。

# 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 

# 先验避免负的标准偏差

if (par 

# 随机模型为给定的参数生成一个样本。

samples 

# 与观察到的汇总统计数字的比较

if((difmean 

}

# 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 

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)

相关视频

结果应该是这样的：

_图_：后验样本的轨迹图和边缘图。从右边的边缘图中，您可以看到我们正在近似检索原始参数值，即 5.3 和 2.7。