Buenas fuentes para aprender la cadena de Markov Monte Carlo (MCMC)

28

¿Alguna sugerencia para una buena fuente para aprender métodos MCMC?

references mcmc

— usuario88
fuente

2

Pregunta relacionada: buenos resúmenes (reseñas, libros) sobre diversas aplicaciones de la cadena de Markov Monte Carlo (MCMC)

— Silverfish

14

Para tutoriales en línea, hay

Un tutorial en MCMC , por Sahut (2000)
Tutorial sobre Markov Chain Monte Carlo , por Hanson (2000)
Markov Chain Monte Carlo para Computer Vision , por Zhu et al. (2005)
Introducción a las simulaciones de Markov Chain Monte Carlo y su análisis estadístico , por Berg (2004).

La práctica Markov Chain Monte Carlo , de Geyer ( Stat. Science , 1992), también es un buen punto de partida, y puede ver los paquetes MCMCpack o mcmc R para obtener ilustraciones.

— chl
fuente

digo: los dos enlaces de la lista están rotos

— still_learning

9

No lo he leído (todavía), pero si te gusta R, está el libro de Christian P. Robert y George Casella: Introducción de los métodos de Monte Carlo con R (Use R)

Lo sé por seguir su (muy bueno) blog

— Tal Galili
fuente

Este libro no profundiza en MCMC. En realidad, tiene una página y omite la teoría MCMC en su totalidad para entrar en el hash Metropolist.

— Anthony Doan el

Si bien tiene el 100% de derecho a su propia opinión sobre nuestro libro, le pido que no esté de acuerdo con la idea de que no profundizamos en MCMC allí. A juzgar por la pregunta, no creo que el OP estuviera pidiendo la teoría profunda de los algoritmos MCMC (que de alguna manera se trata en nuestro libro anterior).

— Xi'an

6

Gilks WR, Richardson S., Spiegelhalter DJ Markov Chain Monte Carlo en la práctica . Chapman y Hall / CRC, 1996.
Un pariente viejo ahora, pero todavía un regalo.

— una parada
fuente

6

Manual de Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones y Xiao-Li Meng, eds. 2011 CRC Press.

El Capítulo 4 , 'Inferencia de simulaciones y monitoreo de convergencia' de Gelman y Shirley, está disponible en línea.

— David LeBauer
fuente

1

Parece listo para patear a Gilks, Richardson y Spiegelhalter (1996) en la hierba cuando eso llegue en mayo.

— onestop

4

Dani Gamerman y Hedibert F. Lopes. Markov Chain Monte Carlo: Simulación estocástica para inferencia bayesiana (2ª ed.). Boca Raton, FL: Champan & Hall / CRC, 2006. 344 pp. ISBN 0-412-81820-5 .

- un libro actualizado más recientemente que Gilks, Richardson y Spiegelhalter. No lo he leído yo mismo, pero fue bien revisado en Technometrics en 2008 , y la primera edición también recibió una buena revisión en The Statistician en 1998.

— parada
fuente

4

Otra posición clásica (como se acompaña de los Métodos Monte Carlo ya mencionados con R ):

Métodos estadísticos de Monte Carlo de Robert y Casella (2004)

en el uso R! serie también hay:

Introducción a la simulación de probabilidad y muestreo de Gibbs con R por Suess y Trumbo (2010)

— Tim
fuente

0

El texto que he encontrado más accesible es Bayesian Cognitive Modeling: A Practical Course . Exposición muy clara. El libro tiene excelentes ejemplos en BUGS, y han sido portados a Stan en su página de ejemplos de Github .

— Stewart
fuente