有三種解釋mcmc的方法：
本文，讓你達到中級水平。
什麼是mcmc？要回答這個問題，我們首先需要重新審視貝葉斯統計。貝葉斯統計建立在這樣一種觀點的基礎上，即事物發生的概率受先驗概率假設和事件發生的可能性的影響，如資料所示。對於貝葉斯統計，概率由分布表示。
如果先驗和似然概率分布是正態分佈的，我們能夠用函式描述後驗分布。這稱為封閉形式的解決方案。這種型別的貝葉斯如下所示。正如您所看到的，後驗分布由先驗分布和可能分布兩者組成，最終在中間某處。
但是當概率不是那麼漂亮時呢？當概率看起來更像這樣時會發生什麼？
在這種情況下，可能性沒有正態分佈，因此我們最終得到了右傾的後驗分布。由於我們無法用公式表達，我們必須使用馬爾可夫鏈蒙特卡羅。
第一：蒙特卡洛
蒙特卡羅模擬通過生成隨機數來模擬複雜系統。
在下面**中，蒙特卡羅生成乙個引數為(0-1,0-1)的隨機點，通過識別最終在曲線 下面的點數我們能夠近似於該區域，形成乙個整圓並獲得π。
第二：馬爾可夫鏈
馬爾可夫鏈本質上是變數如何圍繞圖形"走動"，或隨機變數隨時間從一種狀態變為另一種狀態的表示。
上圖是馬爾可夫情緒狀態鏈的表示。在這個鏈條中，如果你是開朗的，你有20％的機率將情緒狀態改變到馬馬虎虎，20％的機率你會變得悲傷，60％的機率你會保持開朗。
f(xt + 1 | xt)= f(xt + 1 | xt，xt-1，xt-2，...，x1)
舉乙個類似這樣的例子：
第三：驗收 - 拒絕抽樣
mcmc的第三部分是驗收拒絕抽樣。當我們對新的觀察結果進行抽樣時，我們會確定它是否在正確的方向，然後決定是保留它還是丟棄它。
兩種常見的接受拒絕演算法是metropolis-hasting演算法和no-u-turn取樣器。
對metropolis-hasting的更加高階的解釋：
蒙特卡洛方法
蒙特卡洛方法 monte carlo method，也有翻譯成 蒙特卡羅方法 是以概率和統計的理論 方法為基礎的一種數值計算方法，將所求解的問題同一定的概率模型相聯絡，用計算機實現統計模擬或抽樣，以獲得問題的近似解，故又稱隨機抽樣法或統計試驗法。上述就是蒙特卡洛方法的基本概念，比較抽象，下面結合實際...
蒙特卡洛方法
這個演算法是用來求解積分和一些運算的，主要就是通過概率模擬的方法，比如對於 或者積分 import random def calpai n 1000000 r 1.0 a,b 0.0,0.0 x neg,x pos a r,a r y neg,y pos b r,b r count 0 for i ...
蒙特卡洛方法 蒙特卡洛方法概率密度函式
簡介 為了更加清楚的讓同學們深刻的理解pbr裡面那些公式背後的東西，同學們務必先來擼一遍光線追蹤，畢竟我們這裡舉例的這些蒙特卡洛方法都是光線追蹤第三卷裡 ray tracing the rest of your life 的舉例，只不過可能對於有的同學來說，閱讀起來比較難，所以我們來更加詳盡的翻譯或...