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 .