HDDM: 一个用于Python的模块，利用PyMC进行漂移扩散模型的层次贝叶斯参数估计

简介：
HDDM是一款基于Python的工具包，采用PyMC框架实现对漂移扩散模型的层次贝叶斯参数估计。它为认知心理学研究提供了强大的统计分析手段。 介绍作者：Thomas V. Wiecki, Imri Sofer, Mads L.Pedersen, Michael J.Frank 版权声明：该文档已放置在公共领域。 许可协议：HDDM是根据BSD 2许可证发行的。 版本信息：0.7.8 目的说明：HDDM是一个用于漂移扩散模型（通过PyMC）进行分层贝叶斯参数估计的Python工具箱。此模型广泛应用于心理学和认知神经科学领域，以研究决策过程。有关如何入门的信息可以在文档中找到。 特征介绍： - 使用漂移扩散模型参数的分层贝叶斯估算方法。 - 能够同时对个体和群体级别的参数进行估算，并假设每个单独的主题是从总体分布中得出的样本。 - 相较于使用个别受试者最大可能性（如DMAT或fast-dm）的方法，当可用的数据量较小的时候，HDDM能够提供更加准确的估计结果。 - 经过优化以提高运行速度。