#ejemplo para hacer una cadena de markov que represente una distribucion de probabilidades
#con una sola variable

import numpy as np

#pasos de mi cadena de Markov
npasos = 150000
aceptados = 0

#los distintos samplings, que primero los pongo en cero.
x = np.zeros(npasos);

x[0] = 0.5 #primer paso de mi cadena de Markov.

#propongo un cambio

for i in range(npasos-1):
    
    x_nuevo = 10*(np.random.rand()-0.5);
    
    a = min(1,np.exp(-x_nuevo**2/2)/np.exp(-x[i]**2/2));
    #notar que nunca haria un cociente asi de exps, sino poner el argumento
    
    if np.random.rand() < a: # acepto con probalidad a
        x[i+1] = x_nuevo
        aceptados = aceptados + 1
    else:
        x[i+1] = x[i]

print("mean: ", np.mean(x), " std: ", np.std(x))