Bonnes sources pour apprendre la chaîne de Markov Monte Carlo (MCMC)

Des suggestions pour une bonne source pour apprendre les méthodes MCMC?

Pour les didacticiels en ligne, il existe

• Un tutoriel en MCMC , par Sahut (2000)
• Tutoriel sur Markov Chain Monte Carlo , par Hanson (2000)
• Markov Chain Monte Carlo pour Computer Vision , par Zhu et al. (2005)
• Introduction aux simulations de Markov Chain Monte Carlo et à leur analyse statistique , par Berg (2004).

Practical Markov Chain Monte Carlo , de Geyer ( Stat. Science , 1992), est également un bon point de départ, et vous pouvez consulter les packages MCMCpack ou mcmc R pour des illustrations.

Je ne l'ai pas encore lu, mais si vous aimez R, il y a le livre de Christian P. Robert et George Casella: Introducing Monte Carlo Methods with R (Use R)

Je le sais en suivant son (très bon) blog

Gilks ​​WR, Richardson S., Spiegelhalter DJ Markov Chain Monte Carlo en pratique . Chapman & Hall / CRC, 1996.
Un vieux parent maintenant, mais toujours un goodie.

Handbook of Markov Chain Monte Carlo, Steve Brooks, Andrew Gelman, Galin Jones et Xiao-Li Meng, éd. 2011 CRC Press.

Le chapitre 4 , «Inférence des simulations et surveillance de la convergence» de Gelman et Shirley, est disponible en ligne.

Dani Gamerman et Hedibert F. Lopes. Markov Chain Monte Carlo: Simulation stochastique pour l'inférence bayésienne (2e éd.). Boca Raton, FL: Champan & Hall / CRC, 2006. 344 pages. ISBN 0-412-81820-5 .

- un livre plus récemment mis à jour que Gilks, Richardson & Spiegelhalter. Je ne l'ai pas lu moi-même, mais il a été bien examiné dans Technometrics en 2008 , et la première édition a également reçu une bonne critique dans The Statistician en 1998.

Une autre position classique (comme accompagnée de déjà mentionné l' introduction des méthodes de Monte Carlo avec R ):

Méthodes statistiques de Monte-Carlo par Robert et Casella (2004)

dans Use R! il y a aussi:

Introduction à la simulation de probabilité et à l'échantillonnage de Gibbs avec R par Suess et Trumbo (2010)

Le texte que j'ai trouvé le plus accessible est Modélisation cognitive bayésienne: un cours pratique . Exposition très claire. Le livre a de bons exemples dans BUGS, et ils ont été portés sur Stan sur sa page d' exemples github .