使用 pymc 的蒙特卡洛马尔可夫链答案

【问题标题】：Monte Carlo Marcov Chain with pymc使用 pymc 的蒙特卡洛马尔可夫链
【发布时间】：2017-09-11 09:44:44
【问题描述】：

我正在尝试构建一个 MCMC 模型来模拟随时间变化的行为。我必须以 10 分钟的时间间隔模拟一天。我有 N 个用户在 144 个时间间隔内对一天的几次观察。所以我有U_k=U_1,...,U_N U 个用户，k 从 1 到 N 不等，对于每个用户，我都有 X_i=X_1,...X_t 样本。每个用户有两种可能的状态，1 和 0。我知道我必须为每个时间步建立一个转移概率矩阵，然后运行 MCMC 模型。这样对吗？但是我不明白如何在 pyMC 中构建它，有人可以给我建议吗？

【问题讨论】：

这有帮助吗：martin-thoma.com/python-markov-chain-packages ?
您的数据是什么样的？你试过什么？您正在模拟的行为是什么？你的例子是什么？ t是什么？需要更多信息！
嗨@KenSyme t 是从 1,..,144 开始的时间。数据在矩阵 Nx144 中，其中 N 是不同的观察值（每个用户一个）。

标签： python pymc markov-chains mcmc

【解决方案1】：

也许，假设每个用户在特定时间间隔内的行为方式相同，在每个时间间隔 t 我们可以得到矩阵 [ 参数 0->0 , 参数 1->0; Pr 1->0 , Pr 1->0]

其中 Pr x ->y = (区间 t+1 中处于状态 y 的人数和在区间 t 中处于状态 x 的人数)除以 (在区间 t 内处于状态 x 的人数)，即在给定时间间隔内处于状态 x（0 或 1）的某人将在下一个时间间隔内转换到状态 y（0 或 1）的概率。

【讨论】：

【解决方案2】：

只需谷歌搜索 pymc 和 mcmc 即可将我带到 "Just the theory, the next pages are about the implementation"

我建议您浏览此文档并尝试其中的示例，这将使您走上正轨。

【讨论】：

我已阅读文档，但没有找到问题的答案。