PyMC3中如何创建多个随机游走变量？

没错，你完全想对了！当你在pm.GaussianRandomWalk里设置shape=(20,100)时，PyMC3会生成20个独立的、长度为100的高斯随机游走实例，数组的每一行正好对应一个完整的随机游走序列。

验证维度确认结果 #

你可以通过抽样后查看结果的形状来直观验证：

import pymc3 as pm
import arviz as az

with pm.Model() as model:
    z = pm.GaussianRandomWalk('z', mu=0, sd=1, shape=(20,100))
    # 执行抽样并返回ArviZ格式的结果
    trace = pm.sample(1000, return_inferencedata=True)

# 打印后验结果的形状
print(trace.posterior.z.shape)

输出会是类似(2, 1000, 20, 100)的结果：

• 第一个维度是默认的抽样链数（2条链）
• 第二个维度是每条链的抽样次数
• 第三个维度就是你需要的20个随机游走实例
• 第四个维度是每个游走包含的100个时间步

小技巧：单独访问某个随机游走 #

如果后续需要提取特定的随机游走（比如第3个，注意Python是0索引），可以用索引操作快速定位：

# 获取所有抽样中第3个随机游走的全部时间步数据
third_walk = trace.posterior.z[..., 2, :]

关于“整合为单个变量” #

其实你当前的写法已经把20个游走整合到了一个变量z中，它是一个结构化的张量，后续分析时可以轻松按维度做批量操作——比如计算所有游走的时间步均值，或者对每个游走单独做统计检验，完全不需要额外拆分。

内容的提问来源于stack exchange，提问作者Booley