采样函数#

展开以查看对 pymc.sample 的引用

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行

贝叶斯加性回归树：介绍 / 使用 BART 进行煤矿开采

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 进行分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行

贝叶斯加性回归树：介绍 / 使用 BART 进行煤矿开采

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 进行分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行

贝叶斯加性回归树：介绍 / 使用 BART 进行煤矿开采

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 进行分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行

贝叶斯加性回归树：介绍 / 使用 BART 进行煤矿开采

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 进行分位数回归 / 非对称拉普拉斯分布

贝叶斯估计取代 T 检验 / 示例：药物试验评估

心理测量学中的验证性因子分析和结构方程模型 / 完整测量模型

心理测量学中的验证性因子分析和结构方程模型 / 测量模型 / 中间交叉载荷模型

心理测量学中的验证性因子分析和结构方程模型 / 测量模型

心理测量学中的验证性因子分析和结构方程模型 / 贝叶斯结构方程模型 / 模型复杂性和贝叶斯敏感性分析

广义极值分布 / 推断

从尴尬的分箱数据中估计分布参数 / 示例 2：使用另一组分箱进行参数估计 / 模型规范

从尴尬的分箱数据中估计分布参数 / 示例 6：非正态分布 / 模型规范

从尴尬的分箱数据中估计分布参数 / 示例 3：一起使用两个分箱进行参数估计 / 模型规范

从尴尬的分箱数据中估计分布参数 / 示例 4：使用连续和分箱测量进行参数估计 / 模型规范

从尴尬的分箱数据中估计分布参数 / 示例 5：分层估计 / 模型规范

从尴尬的分箱数据中估计分布参数 / 示例 1：使用一组分箱进行高斯参数估计 / 模型规范

因子分析 / 模型 / 替代参数化

因子分析 / 模型 / 直接实现

分层部分池化 / 方法

使用项目反应理论进行 NBA 犯规分析 / 采样和收敛

用于个性化推荐的概率矩阵分解 / 概率矩阵分解

高尔夫推杆的模型构建和扩展 / 新模型

高尔夫

展开以查看对 pymc.sample_posterior_predictive 的引用

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 的分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 的分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 的分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 的分位数回归 / 非对称拉普拉斯分布

分类回归 / 拟合独立树

分类回归 / 模型规范

使用 BART 建模异方差性 / 模型规范

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 回归

贝叶斯加性回归树：介绍 / 使用 BART 骑行 / 样本外预测 / 时间序列

使用 BART 的分位数回归 / 非对称拉普拉斯分布

心理测量学中的验证性因子分析和结构方程模型 / 完整测量模型

心理测量学中的验证性因子分析和结构方程模型 / 测量模型 / 中间交叉载荷模型

心理测量学中的验证性因子分析和结构方程模型 / 测量模型

心理测量学中的验证性因子分析和结构方程模型 / 贝叶斯结构方程模型 / 模型复杂性和贝叶斯敏感性分析

从尴尬的分箱数据中估计分布参数 / 示例 1：使用一组分箱的高斯参数估计 / 模型检查

从尴尬的分箱数据中估计分布参数 / 示例 5：分层估计 / 后验预测检查

从尴尬的分箱数据中估计分布参数 / 示例 6：非正态分布 / 后验预测检查

从尴尬的分箱数据中估计分布参数 / 示例 3：同时使用两个分箱的参数估计 / 后验预测检查

从尴尬的分箱数据中估计分布参数 / 示例 4：使用连续和分箱测量的参数估计 / 后验预测检查

从尴尬的分箱数据中估计分布参数 / 示例 2：使用另一组分箱的参数估计 / 后验预测检查

高尔夫推杆的模型构建和扩展 / 一个新模型

高尔夫推杆的模型构建和扩展 / 拟合距离角度模型

高尔夫推杆的模型构建和扩展 / 逻辑模型

可靠性统计和预测校准 / 可靠性数据的贝叶斯建模 / 直接 PYMC 实现的 Weibull 生存

橄榄球预测的分层模型 / 结果

辛普森悖论 / 模型 1：合并回归 / 可视化

贝叶斯非参数因果推断 / 因果推断和倾向得分 / 双重/去偏机器学习和 Frisch-Waugh-Lovell / 应用去偏 ML 方法

贝叶斯非参数因果推

展开以查看对 pymc.sample_prior_predictive 的引用

广义极值分布 / 先验预测检查

高尔夫推杆的模型构建与扩展 / 基于几何的模型 / 先验预测检查

可靠性统计与预测校准 / 可靠性数据的贝叶斯建模 / 直接 PYMC 实现的 Weibull 生存

贝叶斯 A/B 测试简介 / 伯努利转化 / 先验预测检查

贝叶斯 A/B 测试简介 / 价值转化

贝叶斯非参数因果推断 / 因果推断与倾向得分 / 双重/去偏机器学习与 Frisch-Waugh-Lovell / 应用去偏 ML 方法

贝叶斯非参数因果推断 / 因果推断与倾向得分 / 非混杂推断：NHEFS 数据 / 倾向得分建模

贝叶斯非参数因果推断 / 因果推断与倾向得分 / 非混杂推断：NHEFS 数据 / 带有倾向得分的回归

反事实推断：计算 COVID-19 导致的超额死亡 / 先验预测检查

中断时间序列分析 / 先验预测检查

干预分布与图突变与 do-operator / 三种不同的因果 DAG / 干预分布，P(y|\operatorname{do}(x=2))

干预分布与图突变与 do-operator / 三种不同的因果 DAG

贝叶斯因子与边际似然 / Savage-Dickey 密度比

婴儿出生建模与 HSGPs / EDA 与特征工程 / 先验预测检查

示例 1：分层 HSGP，更自定义的模型 / 示例 2：利用 Kronecker 结构的 HSGP / 先验预测检查

示例 1：分层 HSGP，更自定义的模型 / 寻找初学者的介绍？ / 先验预测检查

高斯过程：HSGP 参考与第一步 / 示例 1：基本 HSGP 使用 / 示例 2：将 HSGP 作为参数化线性模型使用 / 模型结构

离散选择与随机效用模型 / 选择饼干而非重复选择：混合 Logit 模型

离散选择与随机效用模型 / 实验模型：添加相关结构

离散选择与随机效用模型 / 改进模型：添加替代特定截距

离散选择与随机效用模型 / 基本模型

序数量表与调查数据 / Liddell 和 Kruschke 的 IMDB 电影评分数据

贝叶斯多层次建模入门 / 传统方法

贝叶斯缺失数据插补 / 贝叶斯插补

贝叶斯缺失数据插补 / 分层结构与数据插补

贝叶斯缺失数据插补 / 链式方程的贝叶斯插补 / PyMC 插补

使用 ModelBuilder 类部署 PyMC 模型 / 标准语法

样条 / 模型 / 拟合模型

ODE Lotka-Volterra 以多种方式进行贝叶斯推断 / 带梯度的贝叶斯推断 / 使用 Pytensor Scan 模拟 / 检查时间步长

脆弱性与生存回归模型 / 加速失效时间模型

航空乘客 - 类似 Prophet 的模型 / 第 1 部分：线性趋势

航空乘客 - 类似 Prophet 的模型 / 第 2 部分：引入季节性

使用结构化 AR 时间序列进行预测 / 复杂化情景 / 指定趋势模型

使用结构化 AR 时间序列进行预测 / 指定模型

使用结构化 AR 时间序列进行预测 / 进一步复杂化情景 / 指定趋势 + 季节性模型

使用结构化 AR 时间序列进行预测 / 复杂化情景 / 将我们的模型包装成一个函数

从生成图导出的时间序列模型 / 动机 / 定义 AR(2) 过程 / 先验

贝叶斯向量自回归模型 / 添加贝叶斯扭曲：分层 VARs

贝叶斯向量自回归模型 / 处理多个滞后和不同维度

广义极值分布 / 先验预测检查

高尔夫推杆的模型构建与扩展 / 基于几何的模型 / 先验预测检查

<a

采样器#