Bonnes sources pour apprendre la chaîne de Markov Monte Carlo (MCMC)

28

Des suggestions pour une bonne source pour apprendre les méthodes MCMC?

references mcmc

— utilisateur88
source

2

Question connexe: bons résumés (critiques, livres) sur diverses applications de la chaîne de Markov Monte Carlo (MCMC)

— Silverfish

14

Pour les didacticiels en ligne, il existe

Un tutoriel en MCMC , par Sahut (2000)
Tutoriel sur Markov Chain Monte Carlo , par Hanson (2000)
Markov Chain Monte Carlo pour Computer Vision , par Zhu et al. (2005)
Introduction aux simulations de Markov Chain Monte Carlo et à leur analyse statistique , par Berg (2004).

Practical Markov Chain Monte Carlo , de Geyer ( Stat. Science , 1992), est également un bon point de départ, et vous pouvez consulter les packages MCMCpack ou mcmc R pour des illustrations.

— chl
source

fyi: les deuxièmes deux liens de la liste sont brisés

— still_learning

9

Je ne l'ai pas encore lu, mais si vous aimez R, il y a le livre de Christian P. Robert et George Casella: Introducing Monte Carlo Methods with R (Use R)

Je le sais en suivant son (très bon) blog

— Tal Galili
source

Ce livre ne va pas en profondeur dans MCMC. Il contient en fait une page et ignore la théorie MCMC dans son intégralité pour entrer dans le hachage Metropolist.

— Anthony Doan

Bien que vous ayez 100% droit à votre propre opinion sur notre livre, je vous prie de ne pas être d'accord avec l'idée que nous n'entrerons pas en profondeur dans MCMC là-bas. À en juger par la question, je ne pense pas que l'OP demandait la théorie profonde des algorithmes MCMC (qui est en quelque sorte couverte dans notre livre précédent).

— Xi'an

6

Gilks WR, Richardson S., Spiegelhalter DJ Markov Chain Monte Carlo en pratique . Chapman & Hall / CRC, 1996.
Un vieux parent maintenant, mais toujours un goodie.

— un arrêt
source

6

Handbook of Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones et Xiao-Li Meng, éd. 2011 CRC Press.

Le chapitre 4 , «Inférence des simulations et surveillance de la convergence» de Gelman et Shirley, est disponible en ligne.

— David LeBauer
source

1

Il semble que Gilks, Richardson et Spiegelhalter (1996) se lanceront dans les hautes herbes quand cela arrivera en mai.

— 2011

4

Dani Gamerman et Hedibert F. Lopes. Markov Chain Monte Carlo: Simulation stochastique pour l'inférence bayésienne (2e éd.). Boca Raton, FL: Champan & Hall / CRC, 2006. 344 pages. ISBN 0-412-81820-5 .

- un livre plus récemment mis à jour que Gilks, Richardson & Spiegelhalter. Je ne l'ai pas lu moi-même, mais il a été bien examiné dans Technometrics en 2008 , et la première édition a également reçu une bonne critique dans The Statistician en 1998.

— onestop
source

4

Une autre position classique (comme accompagnée de déjà mentionné l' introduction des méthodes de Monte Carlo avec R ):

Méthodes statistiques de Monte-Carlo par Robert et Casella (2004)

dans Use R! il y a aussi:

Introduction à la simulation de probabilité et à l'échantillonnage de Gibbs avec R par Suess et Trumbo (2010)

— Tim
source

0

Le texte que j'ai trouvé le plus accessible est Modélisation cognitive bayésienne: un cours pratique . Exposition très claire. Le livre a de bons exemples dans BUGS, et ils ont été portés sur Stan sur sa page d' exemples github .

— stewart
source