打开MCMC（马尔科夫蒙特卡洛）的黑盒子 - Pymc贝叶斯推理底层实现原理初探

我们在这篇文章里有尝试讨论三个重点。第一，讨论的 MCMC。第二，学习 MCMC 的实现过程，学习 MCMC 算法如何收敛，收敛到何处。第三，将会介绍为什么从后验分布中能返回成千上万的样本，也许读者和我一样，刚开始学习时，面对这种采样过程看起来有点奇怪。 1. 贝叶斯景象图 当构造一个有𝑁个未知变量的贝叶斯推断问题时，首先要隐式的创建 N 维空间（可以理解为 N 个随机变量）的先验分布。 这 N

>>阅读原文<<