全文链接：https://tecdat.cn/?p=38273原文出处：拓端数据部落公众号多模态数据在统计学中并不罕见，常出现在观测数据来自两个或多个潜在群体或总体的情况。混合模型常用于分析这类数据，它利用不同的组件来对数据中的不同群体或总体进行建模。本质上，混合模型是几个代表不同潜在总体的

贝叶斯营销组合建模（BayesianMarketingMixModeling，MMM）作为一种先进的营销效果评估方法，其核心在于通过贝叶斯框架对营销投资的影响进行量化分析。在实践中为确保模型的可靠性和有效性，需要系统地进行模型诊断、分析和比较。本文将重点探讨这些关键环节，包括：通过后验预测检验评估

importnumpyasnpimportscipyfrommatplotlibimportpyplotaspltdefpdf(x):if0<=x<0.25:return8*xelif0.25<=x<1:return8/3-8/3*xelse:return0defcdf(x):ifx<0:

全文链接 http://tecdat.cn/?p=23255最近我们被客户要求撰写关于rstan的研究报告，包括一些图形和统计输出。本文将谈论Stan以及如何在R中使用rstan创建Stan模型尽管Stan提供了使用其编程语言的文档和带有例子的用户指南，但对于初学者来说，这可能是很难理解的。StanStan是一种用

全文链接：https://tecdat.cn/?p=37007原文出处：拓端数据部落公众号在海洋科学领域，极端天气和海洋事件如极端海浪、风暴潮和海啸等，对沿海社区、基础设施及生态环境构成了重大威胁。准确预测和评估这些极端事件的强度和频率，对于制定有效的防灾减灾策略至关重要。极值分析作为统

全文下载链接：http://tecdat.cn/?p=16708最近我们被客户要求撰写关于随机波动率的研究报告，包括一些图形和统计输出。波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值(VaR)甚至波动率本身也是一种

全文链接：https://tecdat.cn/?p=33885原文出处：拓端数据部落公众号本文描述了帮助客户使用马尔可夫链蒙特卡洛（MCMC）方法通过贝叶斯方法估计基本的单变量随机波动模型，就像Kim等人（1998年）所做的那样。定义模型以及从条件后验中抽取样本的函数的代码也在Python脚本中提供。  

全文链接：https://tecdat.cn/?p=33885原文出处：拓端数据部落公众号本文描述了帮助客户使用马尔可夫链蒙特卡洛（MCMC）方法通过贝叶斯方法估计基本的单变量随机波动模型，就像Kim等人（1998年）所做的那样。定义模型以及从条件后验中抽取样本的函数的代码也在Python脚本中提供。  

目录前言安装与配置概率模型贝叶斯推断概率分布蒙特卡罗采样贝叶斯网络实例分析PyMC库的应用场景 1.概率建模 2.时间序列分析 3.模式识别总结前言大家好，今天为大家分享一个超强的Python库-pymcGithub地址：https://github.com/pymc-devs/pymcPyth

全文链接：http://tecdat.cn/?p=31162最近我们被客户要求撰写关于SV模型的研究报告，包括一些图形和统计输出。本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。模拟SV模型的估计方法：  sim<-svsim(1000,mu=-9,phi=0.97,sigma

原文链接：http://tecdat.cn/?p=2687原文出处：拓端数据部落公众号 什么是MCMC，什么时候使用它？MCMC只是一个从分布抽样的算法。这只是众多算法之一。这个术语代表“马尔可夫链蒙特卡洛”，因为它是一种使用“马尔可夫链”（我们将在后面讨论）的“蒙特卡罗”（即随机）方法。MCMC只是蒙特卡

原文链接：http://tecdat.cn/?p=11161最近我们被客户要求撰写关于贝叶斯模型的研究报告，包括一些图形和统计输出。概率编程使我们能够实现统计模型，而不必担心技术细节。这对于基于MCMC采样的贝叶斯模型特别有用R语言中RStan贝叶斯层次模型分析示例stan简介Stan是用于贝叶斯推理

贝叶斯MCMC模拟是一个丰富的领域，涵盖了各种算法，共同目标是近似后验模型。例如，使用的rstan包采用了一个HamiltonianMonteCarlo算法。用于贝叶斯建模的另一个rjags包采用了Gibbssampling算法。尽管细节有所不同，但这两种算法都是基于基本的Metropolis-Hastings算法的变体。主要思

全文链接：https://tecdat.cn/?p=34543原文出处：拓端数据部落公众号贝叶斯MCMC模拟是一个丰富的领域，涵盖了各种算法，共同目标是近似后验模型。例如，使用的rstan包采用了一个HamiltonianMonteCarlo算法。用于贝叶斯建模的另一个rjags包采用了Gibbssampling算法。尽管细节有所不同，但

【算法原理】Gibbs采样是一种用于估计多元分布的联合概率分布的方法。在MCNC（Markov Chain Monte Carlo）中，Gibbs采样是一种常用的方法。通俗理解Gibbs采样，可以想象你在一个多维空间中，你需要找到这个空间的某个特定区域（这个区域代表了你感兴趣的分布）。但是，你不能直接看到整个空间，只

原文链接：http://tecdat.cn/?p=24103原文出处：拓端数据部落公众号 此示例说明如何使用逻辑回归模型进行贝叶斯推断。统计推断通常基于最大似然估计(MLE)。MLE选择能够使数据似然最大化的参数，是一种较为自然的方法。在MLE中，假定参数是未知但固定的数值，并在一定的置信度下进

 最近我们被客户要求撰写关于MCMC的研究报告，包括一些图形和统计输出。创建测试数据第一步，我们创建一些测试数据，用来拟合我们的模型。我们假设预测变量和因变量之间存在线性关系，所以我们用线性模型并添加一些噪音。  trueA<-5trueB<-0trueSd<-10sampleSize<-31

最近我们被客户要求撰写关于GARCH的研究报告，包括一些图形和统计输出。本说明介绍了具有Student-t改进的GARCH（1,1）模型的贝叶斯估计方法介绍摘要本说明介绍使用Student-t改进的GARCH（1,1）模型对汇率对数收益进行贝叶斯估计。自Engle（1982）的开创性论文以来，使用时间序列模型改变波动率的

 全文链接：https://tecdat.cn/?p=33961原文出处：拓端数据部落公众号在常规的马尔可夫链模型中，我们通常感兴趣的是找到一个平衡分布。MCMC则是反过来思考——我们将平衡分布固定为后验分布：并寻找一种转移核，使其收敛到该平衡分布。岛屿示例首先提供一个示例，以具体展示Metropo

全文链接：https://tecdat.cn/?p=33885原文出处：拓端数据部落公众号本文描述了帮助客户使用马尔可夫链蒙特卡洛（MCMC）方法通过贝叶斯方法估计基本的单变量随机波动模型，就像Kim等人（1998年）所做的那样。定义模型以及从条件后验中抽取样本的函数的代码也在Python脚本中提供。  

原文链接：http://tecdat.cn/?p=11161最近我们被客户要求撰写关于贝叶斯模型的研究报告，包括一些图形和统计输出。概率编程使我们能够实现统计模型，而不必担心技术细节。这对于基于MCMC采样的贝叶斯模型特别有用R语言中RStan贝叶斯层次模型分析示例stan简介Stan是用于贝叶斯推理

原文链接：http://tecdat.cn/?p=19889原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于Metropolis-Hastings采样的研究报告，包括一些图形和统计输出。如果您可以写出模型的似然函数，则 Metropolis-Hastings算法可以负责其余部分（即MCMC）。我写了r代码来简化对任意模型的后

全文链接：http://tecdat.cn/?p=31162最近我们被客户要求撰写关于SV模型的研究报告，包括一些图形和统计输出。本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。模拟SV模型的估计方法：  sim<-svsim(1000,mu=-9,phi=0.97,sigma

原文链接：http://tecdat.cn/?p=19889原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于Metropolis-Hastings采样的研究报告，包括一些图形和统计输出。如果您可以写出模型的似然函数，则 Metropolis-Hastings算法可以负责其余部分（即MCMC）。我写了r代码来简化对任意模型的后

原文链接：http://tecdat.cn/?p=23785原文出处：拓端数据部落公众号最近我们被客户要求撰写关于贝叶斯非参数模型的研究报告，包括一些图形和统计输出。概述最近，我们使用贝叶斯非参数（BNP）混合模型进行马尔科夫链蒙特卡洛（MCMC）推断。在这篇文章中，我们通过展示如何使用具有不同内核的非