用mcmc的MH方法生成markov链的MATLAB代码

下面是一个使用MH方法生成Markov链的MATLAB代码示例：

% 设置目标概率分布函数
target_pdf = @(x) exp(-x.^2); 

% 设置初始状态
x0 = 1;

% 设置步长参数
step_size = 0.5;

% 设置迭代次数
n_iter = 1000;

% 初始化Markov链
x = zeros(n_iter, 1);
x(1) = x0;

% 进行迭代
for i = 2:n_iter
    % 生成候选状态
    x_cand = x(i-1) + step_size*randn;
    
    % 计算接受概率
    alpha = min(1, target_pdf(x_cand)/target_pdf(x(i-1)));
    
    % 根据接受概率决定是否接受候选状态
    if rand() < alpha
        x(i) = x_cand;
    else
        x(i) = x(i-1);
    end
end

% 绘制Markov链的样本路径
plot(x);

在这个例子中，我们使用了MH方法生成了一个基于目标概率分布函数`target_pdf`的Markov链。我们使用了初始状态`x0`和步长参数`step_size`来初始化链，并进行了`n_iter`次迭代。在每次迭代中，我们生成了一个候选状态`x_cand`，然后计算了接受概率`alpha`。根据接受概率，我们决定是否接受候选状态。最终，我们获得了一个包含`n_iter`个样本的Markov链，并将其绘制出来。