我正在尝试构建一个 MCMC 模型来模拟随时间变化的行为。我必须以 10 分钟的时间间隔模拟一天。我以 144 个时间间隔对 N 个用户的某一天进行了多次观察。因此,我有 U_k=U_1,...,U_N
U 个用户,k 的范围从 1 到 N,对于每个用户,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构建一个转移概率矩阵,然后运行 MCMC 模型。这样对吗?但我不明白如何在 pyMC 中构建它,有人能给我建议吗?
最佳答案
也许,假设每个用户在特定时间间隔内的行为方式相同,那么在每个间隔 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 =(在时间间隔 t+1 中处于状态 y 且在时间间隔 t 中处于状态 x 的人数)除以(在时间间隔 t 中处于状态 x 的人数) ),即基于样本的某人在给定时间间隔内处于状态 x(0 或 1)的概率将在下一个时间间隔内转换到状态 y(0 或 1)。
关于python - 带有 pymc 的蒙特卡罗马尔可夫链,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46152636/