Выборка Гастингса столицы
smpl = mhsample(start,nsamples,'pdf',pdf,'proppdf',proppdf,
'proprnd',proprnd)
smpl = mhsample(...,'symmetric',sym)
smpl = mhsample(...,'burnin',K)
smpl = mhsample(...,'thin',m)
smpl = mhsample(...,'nchain',n)
[smpl,accept] = mhsample(...)
smpl = mhsample(start,nsamples,'pdf',pdf,'proppdf',proppdf,
'proprnd',proprnd)
чертит nsamples
случайные выборки от целевого стационарного распределения pdf
использование алгоритма Гастингса Столицы.
start
вектор-строка, содержащий значение запуска Цепи Маркова, nsamples
целое число, задающее количество выборок, которые будут сгенерированы, и pdf
, proppdf
, и proprnd
указатели на функцию, созданные с помощью @
. proppdf
задает плотность распределения предложения и proprnd
задает генератор случайных чисел для распределения предложения. pdf
и proprnd
возьмите один аргумент в качестве входа с тем же типом и размером как start
. proppdf
берет два аргумента в качестве входных параметров с тем же типом и размером как start
.
smpl
вектор-столбец или матрица, содержащая выборки. Если логарифмическая функция плотности предпочтена, 'pdf'
и 'proppdf'
может быть заменен 'logpdf'
и 'logproppdf'
. Функции плотности, используемые в алгоритме Гастингса Столицы, не обязательно нормированы.
q распределения предложения (x, y) дает плотность вероятности для выбора x как следующий вопрос, когда y является текущей точкой. Это иногда пишется как q (x |y).
Если proppdf
или logproppdf
удовлетворяет q (x, y) = q (y, x), то есть, распределение предложения симметрично, mhsample
реализует Случайный Обход выборка Гастингса Столицы. Если proppdf
или logproppdf
удовлетворяет q (x, y) = q (x), то есть, распределение предложения независимо от текущих значений, mhsample
реализации Независимая выборка Гастингса Столицы.
smpl = mhsample(...,'symmetric',sym)
чертит nsamples
случайные выборки от целевого стационарного распределения pdf
использование алгоритма Гастингса Столицы. sym
логическое значение, которое указывает, симметрично ли распределение предложения. Значение по умолчанию является ложным, который соответствует асимметричному распределению предложения. Если sym
верно, например, распределение предложения симметрично, proppdf
и logproppdf
являются дополнительными.
smpl = mhsample(...,'burnin',K)
генерирует Цепь Маркова со значениями между начальной точкой и k
точка th не использована в сгенерированной последовательности. Значения вне k
точка th сохранена. k
неотрицательное целое число со значением по умолчанию 0
.
smpl = mhsample(...,'thin',m)
генерирует Цепь Маркова с m-1
из m
значения не использованы в сгенерированной последовательности. m
положительное целое число со значением по умолчанию 1
.
smpl = mhsample(...,'nchain',n)
генерирует n
Цепи Маркова с помощью алгоритма Гастингса Столицы. n
положительное целое число со значением по умолчанию 1. smpl
матрица, содержащая выборки. Последняя размерность содержит индексы для отдельных цепей.
[smpl,accept] = mhsample(...)
также возвращает accept
, пропускная способность предложенного распределения. accept
скаляр, если одна цепь сгенерирована и является вектором, если кратные цепи сгенерированы.