GetDist: um pacote Python para analisar amostras de Monte Carlo

Resumo As técnicas de Monte Carlo, incluindo MCMC e outros métodos, são amplamente utilizadas na inferência bayesiana para gerar conjuntos de amostras de um espaço de parâmetros de interesse. O pacote Python GetDist fornece ferramentas para analisar essas amostras e calcular densidades marginalizadas unidimensionais e bidimensionais usando Estimativa de Densidade de Kernel (KDE). Muitos métodos de Monte Carlo produzem amostras correlacionadas e/ou ponderadas, por exemplo, produzidas por MCMC, aninhamento ou amostragem por importância, e pode haver priors de limite rígido. O método base do GetDist consiste em aplicar um kernel de limite linear e depois usar correção de viés multiplicativa. A largura de suavização é selecionada automaticamente seguindo Botev et al. 1, baseada em uma mistura de heurísticas e resultados de otimização usando a escala esperada com um número efetivo de amostras (definido aqui para levar em conta tanto as correlações do MCMC quanto os pesos). A KDE bidimensional usa um kernel gaussiano elíptico determinado automaticamente para distribuições correlacionadas. O pacote inclui ferramentas para produzir uma variedade de figuras de qualidade para publicação usando uma interface simples de parâmetros nomeados, assim como uma interface gráfica que pode ser usada para exploração interativa. Ele também pode calcular diagnósticos de convergência, produzir tabelas de limites e exportar em latex, e está disponível publicamente.