Question

我使用基于Metropolis-Hastings算法的MCMC技术对后验分布（因此贝叶斯方法）进行采样是相当新的。我在R中使用mcmc库。我的发行版是多维的。为了检查这个地铁算法是否适用于多元分布，我在多维学生t分布（包mvtnorm，函数dmvt）上成功地做到了。现在我想对我的多变量分布（2个变量x和y）应用相同的东西，但它不起作用;我收到一个错误：X [，1]出错：维数不正确

这是我的代码：

library(mcmc)
library(mvtnorm)
my.seed <- 123

logprior<-function(X,...)
{
      ifelse( (-50.0 <= X[,1] & X[,1]<=50.0) & (-50.0 <= X[,2] & X[,2]<=50.0), return(0), return(-Inf))
}

logpost<-function(X,...)
{
      log.like <- log( exp(-((X[,1]^2 + X[,2]^2 - 4)/10 )^2) * sin(4*atan(X[,2]/X[,1])) )
      log.prior<-logprior(X)
      log.post<-log.like + log.prior # if flat prior, the posterior distribution is the likelihood one
      return (log.post)
}

x <- seq(-5,5,0.15)
y <- seq(-5,5,0.15)
X<-cbind(x,y)

#out <- metrop(function(X) dmvt(X, df=3, log=TRUE), 0, blen=100, nbatch=100) ; this works
out <- metrop(function(X) logpost(X), c(0,0), blen=100, nbatch=100)
out <- metrop(out)
out$accept

所以我尝试尊重与MWE相同的格式，但是当我收到之前提到的错误时它仍然不起作用。另一件事是，将logpost应用于X可以很好地工作。

提前感谢您的帮助，最好

Answer 1

metrop函数传递各个样本，因此将简单的向量传递给logpost，而不是矩阵（X是矩阵）。因此，解决方案是将X[,1]和X[,2]分别更改为X[1]和X[2]。

我是这样运行的，它会导致其他问题（X[2]/X[1]是用于初始化的NaN），但这与您的特定似然模型有更多关系，并且不在您的问题范围之内。 / p>

使用MCMC Metropolis-Hastings algo在R中对多个后验分布进行采样

1 个答案: