MCMC马尔可夫链蒙特卡洛模型（Python完整源码和数据） MCMC马尔可夫链蒙特卡洛模型（Python完整源码和数据） MCMC马尔可夫链蒙特卡洛模型（Python完整源码和数据） Python实现MCMC马尔可夫链蒙特卡洛模型（Markov Chain Monte Carlo）

贝叶斯程序库 这是一个包含代码片段的存储库，我在其中使用了不同的Python Bayesian框架进行统计推断。 简单的例子包括： 线性/逻辑回归； 混合模型

吉布斯采样matlab代码MCMC代码文件 该存储库提供课程“AusgewählteKapitel：贝叶斯计量经济学和MCMC，SS 2018”的代码文件。 该课程概述了贝叶斯计量经济学和马尔可夫链蒙特卡洛方法。 我们从头开始介绍贝叶斯统计数据，抽样方案，马尔可夫链，Metropolis-Hastings算法，吉布斯抽样，状态空间模型的贝叶斯计量经济学以及线性和非线性滤波（卡尔曼/粒子滤波）。 讲座和练习将交织在一起，我们非常依赖R和/或MATLAB。 因此，建议使用这两种编程语言的经验，并建议初学者参加3月（19.03。-04.04，CAWM1）举办的“ R入门”基础课程。 请带上正在运行（！）版本的R或MATLAB的笔记本电脑。 整个学期中，该考试包含三项不同的作业，每项作业的时限为一周。 有关更多信息，请访问。

Matlab集成的c代码泰勒冰川14C数据的马尔可夫链蒙特卡罗算法 此自述文件提供了用MATLAB编写的Markov Chain Monte Carlo（MCMC）算法的基本描述。 MCMC方法用于通过μ子约束宇宙成因14C生产模型中的两个参数。 为简单起见，使用MCMC方法优化的两个模型参数是“ fneg ”和“ ffast ” –负μon捕获和快速μonReact的相应缩放因子，其深度相对恒定。 MCMC方法旨在根据给定的观测值优化这两个参数-在这种情况下，这表示从钻探的冰芯获得的7个独特深度水平（6.85m，15m，19.5m，40m，51m，61.5m，72m）中的14个总计14C测量值在南极的泰勒冰川。 档案说明 外部资料一种。 flowpath_MC.mat –包含1000个流路径的池（请参阅第1节） b。 flowpath_trim.mat –包含没有撞到基岩中的流路（请参阅第2节） C。 P_neutron.mat –中子的生产率与深度的函数关系（请参阅第3节） d。 P_muon.mat –蒙子的生产率与深度的函数关系（请参阅第3节） e。 all_data.mat

桑普利 2018年5月29日：0.3版 Sampyl是一个使用MCMC方法从概率分布中采样的软件包。 类似于使用theano来计算梯度的PyMC3，Sampyl使用来计算梯度。 但是，您可以自由编写自己的梯度函数，而不必使用autograd。 该项目的开始是通过仅使用Python和numpy定义模型来使用MCMC采样器的方式。 Sampyl当前包括以下采样器： 大都会-哈丁斯 哈密​​顿量 坚果 片 对于每个采样器，您传入一个函数，该函数计算要从中采样的分布的对数概率。 对于汉密尔顿和NUTS采样器，还需要梯度对数概率函数。 如果安装了autograd，则将自动计算梯度。 否则，采样器将接受gradient log-p函数，无论是否安装了autograd，都可以使用它们。 它仍在积极开发中，即将推出更多功能！ 依存关系 适用于Python 2或3。 当前， 和是唯一的依赖项。 要使

实现一些通用 MCMC 例程的 python 模块 该模块的主要目的是作为通用模型的简单 MCMC 框架。 目前最有用的贡献可能是它可以用于训练在实现的高斯过程 (GP) 模型。 特征 该代码目前具有以下功能： 完全面向对象。 只要提供正确的界面，模型就可以是任何类型。 随机游走建议。 Metropolis 调整了朗之万动力学。 MCMC 链使用以快速格式存储。 可以将均值函数添加到的 (GP) 模型中。 安装 克隆包，进入其目录并执行以下操作： python setup.py install 相关软件包 可能与我提供的最相关的包是优秀的代码。 我离开它的原因有两个： 在旧版本（例如 ）中，找不到实现 Metropolis Adjusted Langevin Dynamics 的简单方法。 这是不幸的，因为当导数可用时，它是最强大的采样方法之一。 在新版本中（例如 ，它基

BayHunter v2.1 BayHunter是一个开源Python工具，用于执行表面波色散和/或接收器功能的McMC多维贝叶斯反演。 该算法遵循数据驱动策略，并针对速度-深度结构，层数，Vp / Vs比和噪声参数（即数据噪声相关性和幅度）进行求解。 包装内提供了正向建模代码，但可以轻松地用自己的代码替换。 也可以添加（完全不同的）数据集。 BayWatch模块可用于在运行时实时进行反转：这使您很容易看到每个链如何探索参数空间，数据如何拟合和模型如何变化以及反转的方向。 引文 詹妮弗·德瑞琳（Dreiling） Tilmann，Frederik（2019）：BayHunter-接收机功能的McMC多维贝叶斯反演和面波频散。 GFZ数据服务。 应用实例 Dreiling等。 （2020年）：斯里兰卡的地壳结构，是通过使用贝叶斯方法对地表波色散和接收器函数进行联合反演而得出的。 地球物

本文介绍了R包bayesGARCH，它为使用Student-t创新的简约但有效的GARCH（1,1）模型提供了贝叶斯估计功能。 估计过程是全自动的，因此避免了调整采样算法的耗时且困难的任务。 在经验应用程序中显示了包的用法以交换汇率对数收益。

算法逻辑推导

DINA模型及其参数估计，作者Jimmy de la Torre，发表于2009年，引用数为：385