帮我用R语言写一段三参数先验分布为beta分布，并用M-H方法产生后验样本的代码

好的，下面是对应的R语言代码：

# 三参数先验分布为Beta分布
prior_beta <- function(x, a, b, c) {
    dbeta(x, a, b) * (1 - x)^(c - 1)
}

# M-H采样
M_H_sampling <- function(n_samples, x_init, a, b, c, sd) {
    # 转移分布为正态分布
    proposal <- function(x_i) {
        rnorm(1, x_i, sd)
    }

    # 计算接受率
    acceptance_prob <- function(x_i, x_j, a, b, c) {
        num <- prior_beta(x_j, a, b, c) * dnorm(x_i, x_j, sd)
        den <- prior_beta(x_i, a, b, c) * dnorm(x_j, x_i, sd)
        min(1, num / den)
    }

    # 初始化采样向量
    samples <- numeric(n_samples)
    samples[1] <- x_init

    # 采样循环
    for (i in 2:n_samples) {
        # 产生新的候选值
        x_candidate <- proposal(samples[i - 1])

        # 计算接受率
        acceptance <- acceptance_prob(samples[i - 1], x_candidate, a, b, c)

        # 以一定概率保留新值
        if (runif(1) < acceptance) {
            samples[i] <- x_candidate
        } else {
            samples[i] <- samples[i - 1]
        }
    }

    return(samples)
}

# 调用函数并生成后验样本
set.seed(123)
n_samples <- 10000
x_init <- 0.5
a <- 2
b <- 3
c <- 1.5
sd <- 0.2
posterior_samples <- M_H_sampling(n_samples, x_init, a, b, c, sd)

注意，这个代码是一个简单的例子，假设先验分布为Beta分布，参数为a、b、c，可根据情况相应地进行更改。M-H采样过程中的转移分布为正态分布，可以考虑使用其他的转移分布。同时，参数sd（标准差）的大小也需要根据自己的情况进行调整。