Riferimenti di base su MCMC per le statistiche bayesiane


11

Sto cercando alcuni articoli o libri con esempi pratici e teorici su MCMC di base per Bayesian Statistics (With R). Non ho mai studiato simulazione, ed è per questo che sto cercando informazioni "di base". Potete darmi qualche consiglio o consiglio?


Ti consiglio vivamente di studiare alcune simulazioni di base prima di provare ad affrontare MCMC.
Glen_b

Dato il pedigree di alcune delle raccomandazioni seguenti, esito a pubblicarlo qui, ma se vuoi davvero "di base", ho alcune note sull'uso di MCMC per l'inferenza di parametri in modelli basati fisicamente qui (usando Python anziché R ). Gli altri riferimenti riportati di seguito sono molto più rigorosi, quindi ti preghiamo di usare con cautela, ma mi piacerebbe pensare che un giorno potrebbero essere utili a qualcuno diverso da me :-)
JamesS,

Risposte:


8

Oltre ai titoli di cui sopra, ci sono libri specifici per R, come


1
mi è piaciuto molto il tuo libro dal modo in cui Christian
bdeonovic il

1
Christian, voglio congratularmi con te perché TBC! come principiante alle statistiche bayesiane, il tuo libro mi ha aiutato molto!
Red Noise,

@ user135273: grazie. La scelta bayesiana a volte può essere dura per un principiante ...!
Xi'an,


5

Quando ho iniziato a studiare le statistiche ho scoperto che il libro di Gelman sull'analisi dei dati bayesiani è molto difficile da capire, potrebbe essere un po 'travolgente per chi non conosce le statistiche!

Vi consiglio di iniziare con il libro di Peter Hoff A First Course in Bayesian Statistical Methods .

Non è un libro completo per argomenti statistici avanzati ma contiene un gran numero di modelli statistici ed esempi e codici R sono forniti in tutto il testo o dal sito Web per questo libro.


5

Se chiedete circa introduttivi documenti , è possibile verificare quanto segue:

Casella, G., & George, EI (1992). Spiegazione del campionatore Gibbs. The American Statistician, 46 (3), 167-174.

Andrieu, C., de Freitas, N., Doucet, A. & Jordan, MI (2003). Un'introduzione a MCMC per l'apprendimento automatico. Apprendimento automatico, 50, 5-43.

Tierney, L. (1994). Catene di Markov per esplorare le distribuzioni posteriori. The Annals of Statistics, 1701-1728.

Hartig, F., Calabrese, JM, Reineking, B., Wiegand, T., & Huth, A. (2011). Inferenza statistica per modelli di simulazione stocastica - teoria e applicazione. Lettere di ecologia, 14, 816–827.


1
Storicamente, il quotidiano American Statistician di George ed Ed avrebbe dovuto intitolare Gibbs per i bambini, ma ai redattori non è piaciuto. Ci voleva un allevatore di animali, Dan Gianola, per riciclare il titolo in Gibbs per i maiali e pubblicare la sua recensione.
Xi'an,

1

La teoria di Bayes ha sempre avuto senso per me, ma l'analisi bayesiana è sempre stata molto confusa. Le cose hanno davvero iniziato a fare clic quando ho letto questo post sul blog sull'esempio delle 8 scuole: http://andrewgelman.com/2014/01/21/everything-need-know-bayesian-statistics-learned-eight-schools/

In realtà penso che l'esempio potrebbe essere più significativo con un esempio migliore, la metrica descritta nelle 8 scuole è un risultato astratto di "coaching".


0

Grande spiegazione grafica di MCMC di Stata

https://www.youtube.com/watch?v=OTO1DygELpY

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.