Если pymc реализует алгоритм Metropolis-Hastings, чтобы придумать образцы из задней плотности по интересующим параметрам, то для того, чтобы решить, перейти ли к следующему состоянию в цепочке марков, он должен иметь возможность оценить что-то пропорциональное к задней плотности для всех заданных значений параметров.
Задняя плотность пропорциональна функции правдоподобия, основанной на наблюдаемых данных, умноженных на предыдущую плотность.
Как каждый из них представлен в pymc? Как он вычисляет каждую из этих величин из объекта модели?
Интересно, может ли кто-нибудь дать мне подробное описание подхода или указать мне, где я могу его найти.