``` python
importera numpy som np
importera pymc3 som pm
modell =pm.Model()
x =pm.Normal("x", mu=0, sd=1)
y =pm.Normal("y", mu=0, sd=1)
z =pm. Normal("z", mu=x + y, sd=1)
observationer =np.array([1, 2, 3])
trace =model.sample(draws=1000, chains=4)
print (spåra)
```
Denna kod definierar en enkel probabilistisk modell med tre variabler, `x`, `y` och `z`. Variablerna "x" och "y" definieras som oberoende normalfördelade slumpvariabler, och "z" definieras som summan av "x" och "y". Modellen anpassas sedan till tre observationer med Markov-kedjan Monte Carlo (MCMC) provtagning, och resultaten skrivs ut.
Den här koden är mycket mer kortfattad än traditionella programmeringsmetoder för statistiska modeller, vilket skulle innebära att manuellt skriva ut sannolikhetsfunktionen och MCMC-samplingsalgoritmen. Probabilistisk programmering gör det lättare att skriva komplexa statistiska modeller och fokusera på modelleringsuppgiften snarare än implementeringsdetaljerna.