Gute Quellen zum Lernen der Markov-Kette Monte Carlo (MCMC)

Irgendwelche Vorschläge für eine gute Quelle zum Erlernen von MCMC-Methoden?

Für Online-Tutorials gibt es

• Ein Tutorial in MCMC von Sahut (2000)
• Tutorial über Markov Chain Monte Carlo von Hanson (2000)
• Markov Chain Monte Carlo für Computer Vision , von Zhu et al. (2005)
• Einführung in Markov-Ketten-Monte-Carlo-Simulationen und deren statistische Analyse , von Berg (2004).

Die praktische Markov-Kette Monte Carlo von Geyer ( Stat. Science , 1992) ist ebenfalls ein guter Ausgangspunkt, und Sie können sich die MCMCpack- oder mcmc R-Pakete zur Veranschaulichung ansehen .

Ich habe es (noch) nicht gelesen, aber wenn Sie in R sind, gibt es Christian P. Roberts und George Casellas Buch: Einführung in Monte Carlo-Methoden mit R (Verwenden Sie R)

Ich weiß es von seinem (sehr guten) Blog

Gilks ​​WR, Richardson S., DJ Spiegelhalter Markov Chain Monte Carlo in der Praxis . Chapman & Hall / CRC, 1996.
Ein relativer Oldie, aber immer noch ein Goodie.

Handbuch der Markov-Kette Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones und Xiao-Li Meng, Hrsg. 2011 CRC Press.

Kapitel 4 , „Schlussfolgerungen aus Simulationen und Überwachung der Konvergenz“ von Gelman und Shirley, ist online verfügbar.

Dani Gamerman & Hedibert F. Lopes. Markov-Kette Monte Carlo: Stochastische Simulation für Bayesianische Inferenz (2. Aufl.). Boca Raton, FL: Champan & Hall / CRC, 2006. 344 S. ISBN 0-412-81820-5 .

- ein kürzlich aktualisiertes Buch als Gilks, Richardson & Spiegelhalter. Ich habe es selbst nicht, aber es war gut in referierten Techno im Jahr 2008 und die erste Ausgabe bekam auch eine gute Bewertung in den Statistiker im Jahr 1998.

Eine weitere klassische Position (wie bereits erwähnt Einführung in Monte-Carlo-Methoden mit R ):

Monte Carlo Statistische Methoden von Robert und Casella (2004)

in der Verwendung R!Serie gibt es auch:

Einführung in die Wahrscheinlichkeitssimulation und das Gibbs-Sampling mit R von Suess und Trumbo (2010)

Der von mir am leichtesten zugängliche Text ist Bayesian Cognitive Modeling: Ein praktischer Kurs . Sehr übersichtliche Darstellung. Das Buch enthält großartige Beispiele in BUGS und sie wurden auf der Github- Beispielseite von Stan portiert .