Основні посилання на MCMC для Bayesian Statistics

11

Я шукаю статті чи книги з практичними та теоретичними прикладами про основні MCMC для Bayesian Statistics (With R). Я ніколи не займався симуляцією, і тому шукаю "базову" інформацію. Чи можете ви дати мені якісь рекомендації чи поради?

bayesian references mcmc

— Червоний шум
джерело

Настійно раджу вивчити деякі основні симуляції, перш ніж намагатися вирішити питання MCMC.

— Glen_b -Встановіть Моніку

Враховуючи родовід деяких рекомендацій, наведених нижче, я вагаюся, щоб опублікувати це тут, але якщо ви дійсно хочете "базового", я маю деякі зауваження щодо використання MCMC для виведення параметрів у фізично заснованих моделях тут (використовуючи Python, а не R ). Інші посилання, наведені нижче, набагато суворіші, тому будь ласка, будьте обережні, але я хотів би подумати, що вони можуть бути корисні для когось, крім мене :-)

— JamesS

8

Крім перерахованих вище назв, є книги, спеціально орієнтовані на R, як

Байєсські обчислення Джима Альберта з R
наша книга Bayesian Essentials з R із посібником з рішення на arXiv
наша книга Вступ до методів Монте-Карло з R, яка є початковою версією нашої всеосяжнішої статистичної методики Монте-Карло, а також має архівне керівництво рішення
Статистичне переосмислення Річарда МакЛайре з прикладами R та STAN, яке я розглянув у своєму блозі

— Сіань
джерело

1

любив свою книгу до речі Крістіан

— bdeonovic

1

Крістіан, я хочу вас привітати, бо TBC! як початківець у статистиці Баєса, ваша книга мені дуже допомогла!

— Червоний шум

@ user135273: дякую. Байєсівський вибір іноді може бути суворим для початківця ...!

— Сіань

13

люди часто настійно рекомендують аналіз аналізу даних Бауезії Крушке як чудову вступну книгу.

Звідти, можливо, спробуйте байєсівський аналіз даних Гельмана .

Потім закінчіть його відмінними статистичними методами Монте-Карло

Без додаткової інформації про те, що конкретно ви шукаєте, це, мабуть, найкраще, що я можу зробити.

— бдеонович
джерело

5

Коли я почав вивчати статистику, мені було важко зрозуміти книгу Гельмана про аналіз байєсівських даних, це може бути трохи непосильним для когось нового в статистиці !.

Я рекомендую почати з книги Пітера Хоффа « Перший курс з байєсівських статистичних методів» .

Це не вичерпна книга для розширених статистичних тем, але вона містить велику кількість статистичних моделей і прикладів, а R-коди надаються в тексті чи на веб-сайті для цієї книги.

— Багат Нассур
джерело

5

Якщо ви запитаєте про вступні документи , ви можете перевірити наступне:

Casella, G., & George, EI (1992). Пояснення пробовідбірника Гіббса. Американський статистик, 46 (3), 167-174.

Andrieu, C., de Freitas, N., Doucet, A. & Jordan, MI (2003). Вступ до MCMC для машинного навчання. Машинне навчання, 50, 5-43.

Тірні, Л. (1994). Марковські ланцюги для дослідження заднього розподілу. «Літописи статистики», 1701–1728.

Hartig, F., Calabrese, JM, Reineking, B., Wiegand, T., & Huth, A. (2011). Статистичні умовиводи для моделей стохастичного моделювання - теорія та застосування. Екологічні листи, 14, 816–827.

— Тім
джерело

1

Історично видання американського статистичного документа Джорджа та Еда мало би мати назву Гіббс для дітей, але редакторам це не сподобалось. Потрібно було, щоб заводчик тварин Дан Гіанола переробив титул у свиней Гіббса і опублікував його огляд.

— Сіань

1

Теорія Байєса завжди мала сенс для мене, але аналіз Байєса завжди був дуже заплутаним. Речі справді почали клацати, коли я прочитав цю публікацію в блозі про приклад 8 шкіл: http://andrewgelman.com/2014/01/21/everything-need-know-bayesian-statistics-learned-eight-schools/

Я фактично думаю, що приклад міг би бути більш значущим із кращого прикладу, метрика, описана у 8 школах, є деяким абстрактним результатом «коучингу».

— генеорама
джерело

0

Відмінне графічне пояснення MCMC від Stata

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

— Сенгілей
джерело