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

93 lines
3.8 KiB
Markdown

---
name: metropolis_hastings
kind: function
lang: cpp
domain: datascience
version: "1.0.0"
purity: pure
signature: "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&)"
description: "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."
tags: [mcmc, metropolis, hastings, sampling, bayesian, datascience]
uses_functions: ["rng_cpp_datascience"]
uses_types: []
returns: []
returns_optional: false
error_type: ""
imports: [cstddef, functional, cmath, vector]
tested: false
tests: []
test_file_path: ""
file_path: "cpp/functions/datascience/metropolis_hastings.cpp"
params:
- name: target_log_pdf
desc: "Functor con la log-densidad target (no normalizada). 1D recibe double; ND recibe const double* de tamano d."
- name: x0
desc: "Punto inicial (escalar 1D, array d-dim ND)."
- name: proposal_sigma
desc: "Stddev del proposal Gaussian. 1D escalar; ND array de d stddevs (uno por dimension)."
- name: d
desc: "(ND) dimension del espacio."
- name: n_samples
desc: "Total de samples a generar (incluyendo x0)."
- name: out_chain
desc: "Buffer destino. 1D: double[n]. ND: double[n*d] row-major (sample i, dim k = out[i*d+k])."
- name: r
desc: "Rng (de rng_cpp_datascience). State mutado durante el sampling."
output: "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)
```cpp
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)
```cpp
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.