我正在尝试构建一个MCMC模型,以模拟随着时间推移而变化的变化 . 我必须以10分钟的时间间隔模拟一天 . 我有一天在N个用户中以144个间隔进行了几次观察 . 所以我有 U_k=U_1,...,U_N U用户,k从1到N不等,每个用户我有 X_i=X_1,...X_t 样本 . 每个用户都有两种可能的状态,1和0.我知道我必须为每个时间步 Build 一个转移概率矩阵,然后运行MCMC模型 . 这样对吗?但我不明白如何在pyMC中构建它可以有人提供我的建议吗?
U_k=U_1,...,U_N
X_i=X_1,...X_t
也许,假设每个用户在特定时间间隔内表现相同,在每个间隔t我们可以得到矩阵[Pr 0-> 0,Pr 1-> 0; Pr 1-> 0,Pr 1-> 0]
其中Pr x - > y =(处于状态y的区间t 1中的人数和区间t中处于状态x的人数)除以(区间t中处于状态x的人数),即基于样本的概率,在状态x(0或1)中给定时间间隔内的某个人将在下一个时间间隔中转换到状态y(0或1) .
只是谷歌搜索 pymc 和 mcmc 带我到"Just the theory, the next pages are about the implementation"
pymc
mcmc
我建议你浏览一下这个文档,然后在那里试一试,这将使你走上正轨 .
2 回答
也许,假设每个用户在特定时间间隔内表现相同,在每个间隔t我们可以得到矩阵[Pr 0-> 0,Pr 1-> 0; Pr 1-> 0,Pr 1-> 0]
其中Pr x - > y =(处于状态y的区间t 1中的人数和区间t中处于状态x的人数)除以(区间t中处于状态x的人数),即基于样本的概率,在状态x(0或1)中给定时间间隔内的某个人将在下一个时间间隔中转换到状态y(0或1) .
只是谷歌搜索
pymc
和mcmc
带我到"Just the theory, the next pages are about the implementation"我建议你浏览一下这个文档,然后在那里试一试,这将使你走上正轨 .