函数[xxxp，lt，acc]=mtwalk（logTarget，nsamp，x0，xp0）%函数文件从目标分布实现t-walk采样%%[xxp，lt，acc]=twalkparam（logTarget，nsamp，x0，xp0，p）%%输入参数：%logTarget计算目标密度日志的函数的名称。%对于不支持的点，应返回-Inf。%nsamp步骤数%x0，xp0起始值（n乘1列向量，不相等）%输出参数：%xxp 2*n by（nsamp+1）输出样本数组%xxp（1:n，：）是x值链%xxp（n+（1:n），：）是xp值链%对数目标密度值链%每次移动的验收率的acc向量和平均值。%%此新版本不向后兼容：%奥斯卡·阿尔贝托·罗德里格斯-梅伦德斯，2017年10月。%创建了下面的多元正态分布示例%删除了传递给logTarget的附加参数“p”。%安德烈亚斯·尼尔森，2016年7月。%根据Christen和Fox（2010）更改了参数aw和at%引入[phi]仅移动参数的比例%科林·福克斯（Colin Fox），2006年简写本，原版。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%示例：多元正态分布，平均值为[00]'，方差为[1 0；0 1]。%%mu=[00]'；σ=眼睛（2）；%logTarget=@（x）-0.5*（x-mu）'*（sigma\（x-mu））；%nsamp=100000；x0=[1 2]'；xp0=[-1 1]'；%[xxp，lt，acc]=mtwalk（logTarget，nsamp，x0，xp0）；%历史3（xxp（1:2，：）’）%数字%历史3（xxp（3:4，：）'）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%twalk的Matlab实现：函数体mtwalk%初始值x=x0；xp=xp0；ltx=feval（logTarget，x）；ltxp=feval（logTarget，xp）；if（ltx==-Inf）||（ltxp==-Inf）disp（'初始值不受支持：'），eval（'x'），eval（'xp'）返回结束移动比率=[0 60 60 1 1]；%移动0的第一个比率--即不移动。MoveProb=累计（移动比率（1:end 1）/总和（移动比率））；n1=4；%预期要移动的参数数pphi=最小值（长度（x），n1）/长度（x；prop=零（大小（移动比率））；%收集提案数量acc=零（大小（移动比率））；%收款接受率xxp=零（2*长度（x），nsamp+1）；%存储输出lt=零（2，nsamp+1）；%存储对数目标密度值xxp（：，1）=[x；xp]；lt（：，1）=[ltx；ltxp]；对于iter=1:nsampdir=兰特<0.5；%选择方向kernum=总和（MoveProb<=rand）；%选择内核（0到#Moves-1）φ=兰特（长度（x），1）0σ=最大值（abs（xp（φ）-x（φ）））；其他的σ=0；结束h=x+phi.*sigma/3.*randn（尺寸（x））；%iid标准正态%计算密度比g（x|h，x'）/g（h|x，x'）的对数lgr=lg3（x，h，xp，phi）-lg3（h，x，xp、phi）；%-------------------------------------------------------------------------函数lg=lg3（h，x，xp，phi）%跳跃移动的原木密度，达到不影响比率的常数如果总和（φ）>0σ=最大值（abs（xp（φ）-x（φ）））；其他的σ=0；结束nI=总和（φ）；lg=-nI*log（sigma）-总和（（h-x）^2） /（2*sigma^2）；%-------------------------------------------------------------------------函数[h，lgr]=Simh4（x，xp，phi）%[h，lgr]=模拟4（x，xp）%吹核如果总和（φ）>0σ=最大值（abs（xp（φ）-x（φ）））；其他的σ=0；结束h=x；h（φ）=xp（φ）+sigma*randn（尺寸（x（φ）））；%iid标准正态%评估密度比g（x|h，x'）/g（h|x，x'）的对数lgr=lg4（x，h，xp，phi）-lg4（h，x，xp、phi）；%-------------------------------------------------------------------------函数lg=lg4（h，x，xp，phi）%冲击移动的原木密度，达到不影响比率的恒定值如果总和（φ）>0σ=最大值（abs（xp（φ）-x（φ）））；其他的σ=0；结束nI=总和（φ）；lg=-nI*log（sigma）-总和（（h-xp）^2） /（2*sigma^2）；