在Python中实现MCMC

Question

我有以下问题：

有12个样本，大约20000个元素，每个来自未知分布(有时分布不是单峰的，所以很难自动估计一个分析族的分布族)。基于这些分布，我计算了不同的量。如何以最有效(和最简单)的方式探索目标数量的分布？

为了绝对清楚，这里有一个简单的例子:数量A等于B*C/D

B，C，D是按未知规律分布的，但我有它们分布的样本，基于这些样本，我想要计算A的分布，所以实际上我想要的是一个工具，来探索基于变量样本的目标量的分布。

我知道有MCMC算法可以做到这一点。但是，有没有人知道用Python或C实现MCMC采样器的好方法？或者，有没有其他方法来解决这个问题？

格言

Answer 1

你看过pymc了吗？正如它在描述中所说的：“是一个python包，它将Metropolis-Hastings算法作为python类实现，非常灵活，适用于一大套问题”，因此您可以使用pymc来获取随机样本序列。

Answer 2

也就是说，对于每次迭代，分别从其各自的样本集中重复绘制B、C和D的一个值，并计算A= B*C/D。

如果B、C和D的样本集具有相同的大小，我建议为A生成相同大小的样本。过少的样本会导致信息的丢失，过多的样本不会获得太多的信息。是的，即使不会绘制很多样本，我仍然建议重复绘制。