Files
fn_registry/cpp/functions/datascience/metropolis_hastings.md
T
egutierrez d115d8e830 feat(cpp/datascience): CPU stats + MCMC primitives
Nuevo dominio cpp/functions/datascience con primitivas puras CPU para post-
proceso de samples Monte Carlo y diagnostico de cadenas MCMC. Diseñadas como
gemelas CPU de los kernels GPU (rng pareja con gpu_rng_glsl, MH 1D/ND con
mc_metropolis_hastings_gpu) para validar numericamente y para datasets
pequeños donde el dispatch GPU no compensa.

- rng: xoshiro256++ con uniform / normal (Box-Muller) / below (Lemire) /
  categorical. Determinista bit-exacto dado seed.
- stats_summary: sum (Kahan), mean, var/std (Welford one-pass), min, max,
  quantile / percentile (R type-7).
- autocorr: r(k), ACF, tau_int (Sokal) — diagnostico ACF y ESS.
- rhat_ess: Gelman-Rubin clasico y split + ESS basico (multi-chain).
- beta_dist: lgamma (Lanczos), beta_pdf, beta_cdf (continued fraction),
  beta_quantile, mean/var/std — para inferencia Beta-Binomial.
- drawdown: max_dd absoluto/pct + underwater series para sesiones
  simuladas y backtests.
- samples_to_grid_2d: binning 2D CPU para alimentar heatmap_cpp_viz /
  contour_cpp_viz desde samples (x[], y[]).
- metropolis_hastings: MH 1D y ND con target log-pdf como std::function
  (no normalizada).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-04 11:52:26 +02:00

3.8 KiB

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, tested, tests, test_file_path, file_path, params, output
name kind lang domain version purity signature description tags uses_functions uses_types returns returns_optional error_type imports tested tests test_file_path file_path params output
metropolis_hastings function cpp datascience 1.0.0 pure MHResult mh_run_1d(const std::function<double(double)>& log_pdf, double x0, double sigma, size_t n, double* out, Rng&); MHResult mh_run_nd(const std::function<double(const double*)>& log_pdf, const double* x0, const double* sigma, int d, size_t n, double* out, Rng&) Metropolis-Hastings 1D y d-dimensional con proposal Gaussian symmetric. Target log-pdf inyectable via std::function (no necesita normalizarse). Devuelve cadena en out[] y accept rate. Pareja CPU del mc_metropolis_hastings_gpu.
mcmc
metropolis
hastings
sampling
bayesian
datascience
rng_cpp_datascience
false
cstddef
functional
cmath
vector
false
cpp/functions/datascience/metropolis_hastings.cpp
name desc
target_log_pdf Functor con la log-densidad target (no normalizada). 1D recibe double; ND recibe const double* de tamano d.
name desc
x0 Punto inicial (escalar 1D, array d-dim ND).
name desc
proposal_sigma Stddev del proposal Gaussian. 1D escalar; ND array de d stddevs (uno por dimension).
name desc
d (ND) dimension del espacio.
name desc
n_samples Total de samples a generar (incluyendo x0).
name desc
out_chain Buffer destino. 1D: double[n]. ND: double[n*d] row-major (sample i, dim k = out[i*d+k]).
name desc
r Rng (de rng_cpp_datascience). State mutado durante el sampling.
MHResult con n_samples, n_accepted y accept_rate. Tipico target: 0.20-0.40 accept rate (ajustar proposal_sigma).

metropolis_hastings

Random-walk Metropolis estandar. Replica el sampler que usan los 4 calculadores MCMC del set, en formato componible.

Patron 1D (mcmc-bayes / mcmc-full Beta posterior)

double k = 7.0, n_obs = 10.0;     // observados
auto log_post = [k, n_obs](double theta) -> double {
    if (theta <= 0.0 || theta >= 1.0) return -1e300;
    // Beta(2, 2) prior + Binomial likelihood
    return (k + 1.0) * std::log(theta) +
           (n_obs - k + 1.0) * std::log(1.0 - theta);
};

fn::ds::Rng r;
fn::ds::rng_seed(r, 42);

std::vector<double> chain(10000);
auto res = fn::ds::mh_run_1d(log_post,
                             /*x0=*/0.5,
                             /*sigma=*/0.1,
                             chain.size(),
                             chain.data(),
                             r);
// Burn-in: descartar primeros 1000
// res.accept_rate ~ 0.3 si sigma esta bien ajustada

Patron 2D (mcmc-visualizer)

auto log_density = [](const double* xy) -> double {
    double x = xy[0], y = xy[1];
    // Bimodal target del visualizer
    double d1 = (x-2)*(x-2) + (y-2)*(y-2);
    double d2 = (x+2)*(x+2) + (y+2)*(y+2);
    return std::log(std::exp(-0.5*d1) + std::exp(-0.5*d2));
};

double x0[2] = {0.0, 0.0};
double sigma[2] = {1.0, 1.0};
std::vector<double> chain(10000 * 2);

fn::ds::mh_run_nd(log_density, x0, sigma, 2,
                  10000, chain.data(), r);

Notas

  • No hay tuning automatico del proposal sigma. Si el accept rate es <0.1, baja sigma; si >0.6, sube. Para tunings serios usar adaptive MH (no incluido aqui).
  • target_log_pdf se evalua 2 veces por sample en el peor caso (current cached, proposal nuevo). Si tu log-pdf es caro (10ms+ por eval), N=10^4 cuesta minutos — para esos casos preferir GPU MH (no caben dependencias caras en GLSL — tienes que portar la log-pdf).
  • Compatible con rhat_split y ess_basic: corre M cadenas con seeds distintos, apila en chains[m*n + i], llama los diagnosticos.
  • 1D y ND comparten la maquinaria pero ND lleva el coste de los std::vector<double> por sample. Si rendimiento importa y conoces d en compile-time, fork-and-specialize.