##twalktutorial.py软件# #Python中的twalk实现示例，#作者：J Andres Christen，jac at cimat.mx。##检查文件version中的当前版本。##请参见http://www.cimat.mx网站/~jac/twalk/了解更多细节。#进口pytwalk从numpy导入1、0、日志、数组从numpy.随机导入统一##您可以获得内联帮助：#pytwalk.pytwalk？#pytwalk.pytwalk。跑步？"""#####################################################################这将为n=1独立法线设置MCMC（默认）正常=pytwalk.pytwalk（n=10）##这会引起骚动正常。运行（T=10000，x0=ones（1），xp0=zeros（1））###这将以10000次迭代完成Metriopolis Hastings的随机漫步###正常跳跃的初始点x0和标准偏差=σ正常。运行RWMH（T=10000，x0=10*个1（10），sigma=个1（0））###这将进行基本输出分析正常。安娜（）"""#############################################################################指数乘积λ=[1.，2.，3.，4.，5.]定义ExpU（x）：“”“-指数乘积的对数”“”返回和（x*lambdas）定义支出支持（x）：返回所有（0<x）###我们用U函数定义目标函数###这是密度函数的对数。###支持在单独的函数中定义。###参数空间的维数为n#Exp=pytwalk.pytwalk（n=5，U=ExpU，Supp=ExpSupp）####这会引起骚动#支出。运行（T=50000，x0=30*ones（5），xp0=40*ones#支出。安娜（）#支出。保存（“Exptwalk.dat”）##############################################################################一个更复杂的示例：#####相关伯努利试验##########假设x_{i，j}~Be（theta_j），i=0,1,2，。。。，nj-1，指数j=0,1,2#####但已知0<theta_0<theta_3<theta_2<1θ=数组（[0.4，0.5，0.7]）###真θn=数组（[20，15，40]）###样本大小####模拟数据，但我们只需要1的总和r=零（3）对于范围（3）中的j：r[j]=总和（均匀（大小=n[j]）<θ[j]###定义支持。这基本上是这种支持的优先、统一定义ReBeSupp（θ）：rt=真rt&=（0<θ[0]）rt&=（θ[0]<θ[1]）rt&=（θ[1]<θ[2]）rt&=（θ[2]<1）返回rt####最好有一个产生随机初始点的函数，####确实总是有人支持####在这种情况下，我们从与之前类似的东西进行模拟定义ReBeInit（）：θ=零（3）θ[0]=均匀（低=0，高=1）θ[1]=均匀（低=θ[0]，高=1）θ[2]=均匀（低=θ[1]，高=1）返回θ#######函数U（能量）：-后部的对数定义ReBeU（θ）：返回-1*sum（r*log（θ）+（n-r）*log######定义twalk实例#ReBe=pytwalk.pytwalk（n=3，U=ReBeU，Supp=ReBeSupp）####这是我的梦想#ReBe公司。运行（T=100000，x0=ReBeInit（），xp0=ReBeInit（（）））###这将进行基本输出分析#ReBe公司。安娜（）##马尔可夫链（时间序列）的演化#ReBe公司。TS（）###还有一些直方图#ReBe公司。历史（par=0）#ReBe公司。历史（par=1）#ReBe公司。历史（par=2）###然后将其保存到一个文本文件中，每个参数对应一列###加上最后一列中的U，即T+1行和n+1列。###这可能反过来被其他程序加载###用于更复杂的输出分析（例如BOA）。#ReBe公司。保存（“RelatedBer.txt”）###您可以使用直接访问（T+1）X（n+1）输出矩阵#ReBe公司。输出######有关更多详细信息，请查看twalk.py。######所有方法都应该有帮助行。