แหล่งข้อมูลที่ดีสำหรับการเรียนรู้ลูกโซ่มาร์คอฟมอนติคาร์โล (MCMC)

คำแนะนำใด ๆ สำหรับแหล่งข้อมูลที่ดีในการเรียนรู้วิธีการ MCMC

สำหรับบทเรียนออนไลน์มี

• บทช่วยสอนใน MCMCโดย Sahut (2000)
• บทช่วยสอนเกี่ยวกับมาร์คอฟเชนมอนติคาร์โลโดย Hanson (2000)
• มาร์คอฟเชนมอนติคาร์โลสำหรับการมองเห็นด้วยคอมพิวเตอร์โดย Zhu et al. (2005)
• รู้เบื้องต้นเกี่ยวกับการจำลองของมาร์คอฟเชนมอนติคาร์โลและการวิเคราะห์ทางสถิติโดยเบิร์ก (2004)

มาร์คอฟเชิงปฏิบัติการเชนมอนติคาร์โลโดย Geyer ( Stat. Science , 1992) ก็เป็นจุดเริ่มต้นที่ดีเช่นกันและคุณสามารถดูแพ็คเกจ MCMCpackหรือmcmc R สำหรับภาพประกอบ

ฉันยังไม่ได้อ่าน (แต่) แต่ถ้าคุณเข้าสู่ R ก็มีหนังสือของ Christian P. Robert และ George Casella: แนะนำวิธีการ Monte Carlo ด้วย R (ใช้ R)

ฉันรู้จากการติดตามบล็อก (ดีมาก) ของเขา

Gilks WR, ริชาร์ดเอส, ดีเจ Spiegelhalter Markov Chain Monte Carlo ในการปฏิบัติ แชปแมน & ฮอลล์ / ซีอาร์ซี, 1996.
ผู้เฒ่าญาติตอนนี้ แต่ก็ยังเป็นคนดี

คู่มือของ Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones และ Xiao-Li Meng, eds 2011 CRC Press

บทที่ 4 'การอนุมานจากการจำลองและการติดตามการลู่เข้า' โดย Gelman และ Shirley มีให้บริการออนไลน์

Dani Gamerman & Hedibert F. Lopes มาร์คอฟเชนมอนติคาร์โล: การจำลองสุ่มสำหรับการอนุมานแบบเบย์ (2nd ed.) Boca Raton, FL. ศักดิ์และฮอลล์ / CRC, 2006. 344 PP ISBN 0-412-81820-5

- หนังสือปรับปรุงล่าสุดมากกว่า Gilks, Richardson & Spiegelhalter ฉันไม่ได้อ่านด้วยตัวเอง แต่ได้รับการตรวจสอบอย่างดีในTechnometricsในปี 2008และฉบับพิมพ์ครั้งแรกก็ได้รับการทบทวนที่ดีในThe Statisticsianในปี 1998

อีกตำแหน่งที่คลาสสิก (ตามที่กล่าวถึงแล้วแนะนำวิธีการ Monte Carlo กับ R ):

วิธีการทางสถิติ Monte Carloโดย Robert และ Casella (2004)

ในการใช้ R! ซีรีส์นอกจากนี้ยังมี:

รู้เบื้องต้นเกี่ยวกับการจำลองความน่าจะเป็นและการสุ่มตัวอย่าง Gibbs ด้วย Rโดย Suess และ Trumbo (2010)

ข้อความที่ฉันได้พบเข้าถึงได้มากที่สุดคือคชกรรมความรู้ความเข้าใจการสร้างแบบจำลอง: หลักสูตรการปฏิบัติ นิทรรศการที่ชัดเจนมาก หนังสือเล่มนี้มีตัวอย่างที่ยอดเยี่ยมใน BUGS และพวกเขาถูกย้ายไปที่ Stan ในหน้าตัวอย่างของ GitHub