Buone fonti per l'apprendimento della catena Markov Monte Carlo (MCMC)

28

Qualche suggerimento per una buona fonte per imparare i metodi MCMC?

references mcmc

— utente88
fonte

2

Domanda correlata: buoni riassunti (recensioni, libri) su varie applicazioni della catena Markov Monte Carlo (MCMC)

— Silverfish

14

Per i tutorial online, ci sono

Un tutorial in MCMC , di Sahut (2000)
Tutorial su Markov Chain Monte Carlo , di Hanson (2000)
Markov Chain Monte Carlo per Computer Vision , di Zhu et al. (2005)
Introduzione alle simulazioni Monteov Chain di Monte Carlo e alla loro analisi statistica , di Berg (2004).

Anche la pratica catena Markov Monte Carlo , di Geyer ( Stat. Science , 1992), è un buon punto di partenza, e puoi vedere i pacchetti MCMCpack o mcmc R per le illustrazioni.

— chl
fonte

A proposito: 2 ° due collegamenti nell'elenco sono interrotti

— still_learning

9

Non l'ho letto (ancora), ma se ti piace R, c'è il libro di Christian P. Robert e George Casella: Presentazione dei metodi Monte Carlo con R (Usa R)

Lo so dal seguire il suo (ottimo) blog

— Tal Galili
fonte

Questo libro non approfondisce MCMC. In realtà ha una pagina su di esso e salta la teoria MCMC nella sua interezza per andare nell'hash del metropolista.

— Anthony Doan,

Sebbene tu abbia diritto al 100% alla tua opinione sul nostro libro, mi permetto di non essere d'accordo con l'idea che non approfondiremo MCMC lì. A giudicare dalla domanda, non credo che l'OP chiedesse la profonda teoria degli algoritmi MCMC (che è in qualche modo coperta nel nostro libro precedente).

— Xi'an,

6

Gilks WR, Richardson S., Spiegelhalter DJ Markov Chain Monte Carlo in Practice . Chapman & Hall / CRC, 1996.
Un vecchio parente ora, ma ancora un buono.

— una fermata
fonte

6

Manuale di Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones e Xiao-Li Meng, eds. 2011 CRC Press.

Il capitolo 4 , "Inferenza da simulazioni e monitoraggio della convergenza" di Gelman e Shirley, è disponibile online.

— David LeBauer
fonte

1

Sembra destinato a dare un calcio a Gilks, Richardson e Spiegelhalter (1996) nell'erba alta quando arriverà a maggio.

— onestop

4

Dani Gamerman e Hedibert F. Lopes. Markov Chain Monte Carlo: simulazione stocastica per inferenza bayesiana (2a edizione). Boca Raton, FL: Champan & Hall / CRC, 2006. 344 pagg. ISBN 0-412-81820-5 .

- un libro aggiornato più di recente rispetto a Gilks, Richardson e Spiegelhalter. Non l'ho letto da solo, ma è stato ben recensito in Technometrics nel 2008 e anche la prima edizione ha ottenuto una buona recensione in The Statistician nel 1998.

— onestop
fonte

4

Un'altra posizione classica (accompagnata dal già citato Introduzione dei metodi Monte Carlo con R ):

Metodi statistici Monte Carlo di Robert and Casella (2004)

in Usa R! serie c'è anche:

Introduzione alla simulazione di probabilità e campionamento di Gibbs con R di Suess e Trumbo (2010)

— Tim
fonte

0

Il testo che ho trovato più accessibile è il modello cognitivo bayesiano: un corso pratico . Esposizione molto chiara. Il libro contiene grandi esempi in BUGS e sono stati portati su Stan nella sua pagina di esempi github .

— Stewart
fonte