Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现

plt.style.use('ggplot')

tart = np.append

plt.hist
plt.text

def gees:

    daa = d.astype
    np.bincount # 产生一个范围为(i,i+1)的计数数组
    np.array(\[\])
    
    crnt = int
    for i in xrange(n_ms):
        trs = np.append
        # 最终创建一个函数，选择一个好的跳跃距离
        # 如果当前位置的p很低，就把跳转的距离变大
        poo = int
        # 确保我们不离开边界
        while rood  data.max or ppsd < data.min:
            pood = int

      
        if a > 1:
            cuent = prosed
        else:
            if np.random.random<= a:
                curnt = ppse

traces = get_traces(target, 5000)

# 绘制目标分布图和轨迹分布图

plt.hist
plt.subplot(2,1,2)
plt.hist
plt.tight_layout
plt.show