原文链接：http://tecdat.cn/?p=26336
最近我们被客户要求撰写关于近似贝叶斯计算的研究报告，包括一些图形和统计输出。
近似贝叶斯计算和近似技术基于随机模拟模型中的样本计算近似似然值，在过去几年中引起了很多关注，因为它们有望为任何随机过程提供通用统计技术
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 <- 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)
相关视频
**
拓端
，赞15
**
拓端
，赞26
**
拓端
，赞32
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。
点击文末 “阅读原文”
获取全文完整资料。
本文选自《R语言近似贝叶斯计算MCMC（ABC-MCMC）轨迹图和边缘图可视化》。
点击标题查阅往期内容
R语言Gibbs抽样的贝叶斯简单线性回归仿真分析
python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化
Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现
Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
Matlab用BUGS马尔可夫区制转换Markov switching随机波动率模型、序列蒙特卡罗SMC、M H采样分析时间序列R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型分析职业声望数据
R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hasting采样时间序列分析
R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型
R语言贝叶斯MCMC：用rstan建立线性回归模型分析汽车数据和可视化诊断
R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例
R语言贝叶斯Poisson泊松-正态分布模型分析职业足球比赛进球数
R语言用Rcpp加速Metropolis-Hastings抽样估计贝叶斯逻辑回归模型的参数
R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据
R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
Python贝叶斯回归分析住房负担能力数据集
R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析
Python用PyMC3实现贝叶斯线性回归模型
R语言用WinBUGS 软件对学术能力测验建立层次（分层）贝叶斯模型
R语言Gibbs抽样的贝叶斯简单线性回归仿真分析
R语言和STAN,JAGS：用RSTAN,RJAG建立贝叶斯多元线性回归预测选举数据
R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
R语言贝叶斯线性回归和多元线性回归构建工资预测模型
R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
R语言stan进行基于贝叶斯推断的回归模型
R语言中RStan贝叶斯层次模型分析示例
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型
WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
视频：R语言中的Stan概率编程MCMC采样的贝叶斯模型
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计