``` python
import numpy som np
importer pymc3 som pm
model =pm.Model()
x =pm. Normal("x", mu=0, sd=1)
y =pm. Normal("y", mu=0, sd=1)
z =pm. Normal("z", mu=x + y, sd=1)
observationer =np.array([1, 2, 3])
trace =model.sample(draws=1000, chains=4)
print (spor)
```
Denne kode definerer en simpel probabilistisk model med tre variable, `x`, `y` og `z`. Variablerne "x" og "y" er defineret som uafhængige normalfordelte tilfældige variable, og "z" er defineret som summen af "x" og "y". Modellen tilpasses derefter til tre observationer ved hjælp af Markov-kæden Monte Carlo (MCMC) prøvetagning, og resultaterne udskrives.
Denne kode er meget mere kortfattet end traditionelle programmeringstilgange til statistiske modeller, hvilket ville involvere manuelt at udskrive sandsynlighedsfunktionen og MCMC-samplingalgoritmen. Probabilistisk programmering gør det lettere at skrive komplekse statistiske modeller og fokusere på modelleringsopgaven frem for implementeringsdetaljerne.
Sidste artikelHP-indtjeningen viser fortsat kamp
Næste artikelHvordan man tjener penge på dem om at spille et spil