Metropolis-Hastings在matlab中的应用

% 目标概率分布函数
target_pdf = @(x) normpdf(x, 0, 1);

% 提议分布函数
proposal_pdf = @(x, sigma) normpdf(x, 0, sigma);

% Metropolis-Hastings算法
num_samples = 1000;  % 采样数量
sigma = 1;  % 提议分布的标准差
samples = zeros(num_samples, 1);  % 存储采样结果
current_sample = 0;  % 当前样本

for i = 1:num_samples
    % 从提议分布中生成候选样本
    candidate_sample = current_sample + sigma * randn();
    
    % 计算接受率
    acceptance_ratio = min(1, target_pdf(candidate_sample) / target_pdf(current_sample));
    
    % 决定是否接受候选样本
    if rand() < acceptance_ratio
        current_sample = candidate_sample;
    end
    
    % 存储样本
    samples(i) = current_sample;
end

% 绘制采样结果的直方图
histogram(samples, 'Normalization', 'pdf');