Основные ссылки на MCMC для Байесовской статистики


11

Я ищу некоторые статьи или книги с практическими и теоретическими примерами об основных MCMC для байесовской статистики (с R). Я никогда не изучал симуляцию, и поэтому я ищу "основную" информацию. Можете ли вы дать мне несколько рекомендаций или советов?


Я настоятельно советую вам изучить некоторые базовые симуляции, прежде чем пытаться заняться MCMC.
Glen_b

Учитывая родословную некоторых из приведенных ниже рекомендаций, я не решаюсь опубликовать это здесь, но если вы действительно хотите «базовый», у меня есть некоторые замечания по использованию MCMC для вывода параметров в физических моделях здесь (с использованием Python вместо R ). Другие ссылки, приведенные ниже, являются гораздо более строгими, поэтому, пожалуйста, используйте их с осторожностью, но я хотел бы думать, что однажды они могут быть полезны для кого-то, кроме меня :-)
JamesS

Ответы:


8

Помимо вышеперечисленных названий, есть книги, специально предназначенные для R, такие как


1
Кстати, понравилась твоя книга Кристиан
бдеонович

1
Кристиан, я хочу поздравить тебя, потому что TBC! Как новичок в байесовской статистике, ваша книга мне очень помогла!
Красный шум

@ user135273: спасибо. Байесовский выбор иногда может быть суровым для начинающего ...!
Сиань

13

люди часто очень рекомендуют « Анализ байесовских данных» Крушке как отличную вступительную книгу.

Оттуда, возможно, попробуйте байесовский анализ данных Гельмана .

Тогда закончите это с превосходными Статистическими Методами Монте-Карло

Без дополнительной информации о том, что конкретно вы ищете, это, вероятно, лучшее, что я могу сделать.


5

Когда я начал изучать статистику, я обнаружил, что книга Гельмана по анализу байесовских данных очень сложна для понимания, она может быть немного ошеломляющей для новичка в статистике!

Я рекомендую вам начать с книги Питера Хоффа « Первый курс по байесовским статистическим методам» .

Это не исчерпывающая книга по расширенным статистическим темам, но она содержит большое количество статистических моделей и примеров, а R-коды предоставляются либо по всему тексту, либо с веб-сайта этой книги.


5

Если вы спросите о вступительных документах , вы можете проверить следующее:

Casella, G. & George, EI (1992). Объясняя сэмплер Гиббса. Американский статистик, 46 (3), 167-174.

Andrieu, C., de Freitas, N., Doucet, A. & Jordan, MI (2003). Введение в MCMC для машинного обучения. Машинное обучение, 50, 5-43.

Тирни Л. (1994). Марковские цепи для исследования апостериорных распределений. Летопись статистики, 1701-1728.

Хартиг Ф., Калабрезе Дж. М., Рейнек Б., Виганд Т. и Хут А. (2011). Статистический вывод для стохастических имитационных моделей - теория и применение. Письма Экологии, 14, 816–827.


1
Исторически, американская газета «Статистик» Джорджа и Эда должна была называться «Гиббс для детей», но редакторам это не нравилось. Дэн Джанола, заводчик животных, перевел название в «Гиббс для свиней» и опубликовал свой отзыв.
Сиань

1

Байесовская теория всегда имела для меня смысл, но Байесовский анализ всегда был очень запутанным. Вещи действительно начали щелкать, когда я прочитал этот пост в блоге о примере 8 школ: http://andrewgelman.com/2014/01/21/everything-need-know-bayesian-statistics-learned-eight-schools/

Я действительно думаю, что пример мог бы быть более значимым с лучшим примером, метрика, описанная в 8 школах, является неким абстрактным «коучинговым» результатом.


0

Отличное графическое объяснение MCMC от Stata

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

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.