Я пытаюсь узнать об оценке байесовских параметров и нашел действительно хорошее руководство по здесь (учебник 1 & 2). Просто чтобы проверить свое понимание, я пытаюсь реализовать подход MCMC для оценки вероятности получения головы на основе заданного набора данных. Входной набор данных имеет 8 голов и 2 хвоста. Предполагая, что априор следует за бета (2,2), аналитическая вероятность получить голову = (8 + 2) / (10 + 2 + 2) = 0,71. Однако при попытке использовать алгоритм мегаполиса-Гастингса я получаю совсем другой ответ. Может ли кто-нибудь проверить мою реализацию здесь и объяснить, что мне не хватает
http://nbviewer.ipython.org/github/ragrawal/meetup/blob/master/notebook/MCMC.ipynb
