Podstawowe odniesienia do MCMC dla statystyki bayesowskiej

11

Szukam artykułów lub książek z praktycznymi i teoretycznymi przykładami na temat podstawowej MCMC dla statystyki bayesowskiej (z R). Nigdy nie studiowałem symulacji i dlatego szukam „podstawowych” informacji. Czy możesz dać mi jakieś rekomendacje lub porady?

bayesian references mcmc

— Czerwony hałas
źródło

Zdecydowanie radzę zapoznać się z podstawową symulacją przed próbą rozwiązania MCMC.

— Glen_b

Biorąc pod uwagę rodowód niektórych z poniższych zaleceń, waham się pisać tego tutaj, ale jeśli naprawdę chcesz „podstawowe”, mam kilka uwag na temat wykorzystania MCMC dla parametru wnioskowania w modelach fizycznie opartych tutaj (przy użyciu Pythona zamiast R ). Pozostałe odniesienia podane poniżej są o wiele bardziej rygorystyczne, więc używaj ich ostrożnie, ale chciałbym pomyśleć, że któregoś dnia mogą się przydać komuś innemu poza mną :-)

— JamesS

8

Oprócz powyższych tytułów istnieją książki skierowane specjalnie do R.

Bayesian Computation Jima Alberta z R.
nasza książka Bayesian Essentials with R z instrukcją rozwiązania na arXiv
nasza książka Wprowadzenie do metod Monte Carlo z R, która jest wersją dla początkujących naszych bardziej wszechstronnych metod statystycznych Monte Carlo, a także zawiera opracowany podręcznik rozwiązania
Przegląd statystyczny Richarda McElreath z przykładami w języku R i STAN, które zrecenzowałem na moim blogu

— Xi'an
źródło

1

uwielbiam twoją książkę po drodze Christian

— bdeonovic

1

Christian, chcę ci pogratulować, ponieważ TBC! Twoja książka bardzo mi pomogła jako początkujący w statystykach bayesowskich!

— Red Noise

@ user135273: dziękuję. Wybór Bayesian może być czasem trudny dla początkującego ...!

— Xi'an

13

ludzie często bardzo polecają Doing Bayesian Data Analysis firmy Kruschke jako świetną książkę wprowadzającą.

Stamtąd może wypróbować analizę danych bayesowskich Gelmana .

Następnie zakończ je doskonałymi metodami statystycznymi Monte Carlo

Bez dodatkowych informacji na temat tego, czego konkretnie szukasz, prawdopodobnie najlepiej mogę to zrobić.

— bdeonovic
źródło

5

Kiedy zacząłem uczyć się statystyki, uważałem książkę Gelmana o analizie danych bayesowskich za bardzo trudną do zrozumienia, może być nieco przytłaczająca dla kogoś nowego w statystyce!

Polecam zacząć od książki Petera Hoffa Pierwszy kurs bayesowskich metod statystycznych .

Nie jest to wyczerpująca książka dla zaawansowanych tematów statystycznych, ale zawiera dużą liczbę modeli statystycznych i przykładów, a kody R podano w całym tekście lub na stronie internetowej tej książki.

— Bahgat Nassour
źródło

5

Jeśli pytasz o dokumenty wprowadzające , możesz sprawdzić:

Casella, G., i George, EI (1992). Objaśnienie samplera Gibbs. The American Statistician, 46 (3), 167-174.

Andrieu, C., de Freitas, N., Doucet, A. & Jordan, MI (2003). Wprowadzenie do MCMC w zakresie uczenia maszynowego. Uczenie maszynowe, 50, 5-43.

Tierney, L. (1994). Łańcuchy Markowa do badania rozkładów bocznych. The Annals of Statistics, 1701-1728.

Hartig, F., Calabrese, JM, Reineking, B., Wiegand, T., i Huth, A. (2011). Wnioskowanie statystyczne dla stochastycznych modeli symulacyjnych - teoria i zastosowanie. Ecology Letters, 14, 816–827.

— Tim
źródło

1

Historycznie artykuł American Statistician George'a i Eda powinien był nosić tytuł Gibbs dla dzieci, ale redaktorom się to nie podobało. Hodowca zwierząt, Dan Gianola, przetworzył tytuł w Gibbs dla świń i opublikował swoją recenzję.

— Xi'an

1

Teoria Bayesa zawsze miała dla mnie sens, ale analiza Bayesa była zawsze bardzo myląca. Rzeczy naprawdę zaczęły klikać, gdy czytam ten post na blogu o przykładzie 8 szkół: http://andrewgelman.com/2014/01/21/everything-need-know-bayesian-statistics-learned-eight-schools/

Myślę, że ten przykład może być bardziej znaczący z lepszym przykładem, metryka opisana w 8 szkołach jest abstrakcyjnym wynikiem „coachingu”.

— genorama
źródło

0

Świetne graficzne objaśnienie MCMC od Staty

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

— Sengiley
źródło