我正在尝试在使用 emcee 之前使用高斯，但似乎无法完全弄清楚。基本上我想更换
def lnprior(theta):
a, b, c = theta
if 1.0 < a < 2.0 and 1.0 < b < 2.0 and 1.0 < c < 2.0:
return 0.0
return -np.inf
使用可以从具有 mu 和 sigma 的高斯分布中采样“a”的东西。我该怎么做？像这样？
def lnprior(theta):
a, b, c = theta
if 1.0 < b < 2.0 and 1.0 < c < 2.0:
return 0.0
if 0<a<20:
mu=10
sigma=1
s=np.random.normal(mu, sigma)
return s
return -np.inf
但这似乎不对？
以下方法似乎对我有用
def lnprior(theta):
a, b, c = theta
#flat priors on b, c
if not 1.0 < b < 2.0 and 1.0 < c < 2.0:
return -np.inf
#gaussian prior on a
mu = 10
sigma = 1
return np.log(1.0/(np.sqrt(2*np.pi)*sigma))-0.5*(a-mu)**2/sigma**2
isinwe之前的答案是正确的答案，我只会尝试解释为什么它是正确的。
在这个问题中，有一个统一先验的示例（与文档中的示例非常相似），如果 的值theta在某些约束范围内，则返回 0，否则返回负无穷大。
这是正确的，因为此先验将用于计算后验概率：
然而，由于这个概率往往是非常小的数字，最好避免太多的舍入误差来使用它们的对数，这意味着：
因此，统一的先验如下：
如果满足条件，将始终有一个常数，否则为零。因为这里只有比例是相关的，所以可以忽略归一化常数。因此，当取对数时，当满足条件时，对数为零，否则为负无穷大。
在多个先验的情况下，它们被相乘，一旦取对数就变成一个和。也就是说，在像示例这样的统一先验的情况下，除非同时满足两个条件，否则先验的对数将为零，-inf+0=-inf。
在更复杂的先验组合的情况下，我们需要回退到对先验的正确解释，即总和。因此，在手头的情况下，先验必须返回三个先验对数中的每一个的总和，这正是isinwe 的答案以一种有效的方式完成的，如果统一先验的贡献已经是，则避免评估高斯-inf。
作为一般规则，最好先检查统一先验，如果条件不满足则返回-inf，如果条件满足，则评估所有其他更复杂的先验并返回它们的总和（因为均匀先验可以近似为零）。