我很新于使用基于Metropolis-Hastings算法的MCMC技术对后验分布进行抽样(因此是贝叶斯方法)。我在R中使用mcmc库来实现。我的分布是多维度的。为了检查这个metro算法是否适用于多元分布,我成功地在一个多维学生t分布上进行了尝试(使用mvtnorm包中的dmvt函数)。
现在我想将同样的方法应用到我的多变量分布(2个变量x和y),但它不起作用。我得到了一个错误:Error in X[,1]: incorrect number of dimensions。
以下是我的代码:
现在我想将同样的方法应用到我的多变量分布(2个变量x和y),但它不起作用。我得到了一个错误:Error in X[,1]: incorrect number of dimensions。
以下是我的代码:
library(mcmc)
library(mvtnorm)
my.seed <- 123
logprior<-function(X,...)
{
ifelse( (-50.0 <= X[,1] & X[,1]<=50.0) & (-50.0 <= X[,2] & X[,2]<=50.0), return(0), return(-Inf))
}
logpost<-function(X,...)
{
log.like <- log( exp(-((X[,1]^2 + X[,2]^2 - 4)/10 )^2) * sin(4*atan(X[,2]/X[,1])) )
log.prior<-logprior(X)
log.post<-log.like + log.prior # if flat prior, the posterior distribution is the likelihood one
return (log.post)
}
x <- seq(-5,5,0.15)
y <- seq(-5,5,0.15)
X<-cbind(x,y)
#out <- metrop(function(X) dmvt(X, df=3, log=TRUE), 0, blen=100, nbatch=100) ; this works
out <- metrop(function(X) logpost(X), c(0,0), blen=100, nbatch=100)
out <- metrop(out)
out$accept
所以我尝试遵循与MWE相同的格式,但仍然不起作用,因为我得到了之前提到的错误。另一件事是,将logpost应用于X完美地运行。
感谢您的帮助,最好的祝福。