Předmět Metody Markov Chain Monte Carlo (NMTP539)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu NMTP539 - Metody Markov Chain Monte Carlo, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze (UK).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Cíl
Studenti se seznámí se základy teorie markovských řetězců s obecnou množinou stavů, které jsou potřebné pro pochopení teoretickýchvlastností MCMC metod. Osvojí si nejčastěji používané MCMC algoritmya po absolvování předmětu by měli být schopni tyto postupy aplikovat na problémy predevším v bayesovské a prostorové statistice.
Sylabus
1. Příklady simulačních metod.2. Bayesovská statistika, hierarchické modely.3. Příklady MCMC algoritmu, Gibbsův výběrový plán, Metropolishův-Hastingsův algoritmus.4. Markovovy řetězce s obecnou množinou stavů.5. Ergodicita MCMC algoritmu.6. Simulované žíhání, perfektní simulace.7. Bodové procesy, Metropolisův-Hastingsův algoritmus zrození a zániku.8. Další aplikace.
Literatura
S. Brooks, A. Gelman, G. L. Jones, X. Meng (2011): Handbook of Markov Chain Monte Carlo, Chapman & Hall/CRC, Boca Raton.D. Gamerman a H. F. Lopes (2006): Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, druhé vydání, Chapman & Hall/CRC, Boca Raton.W. S. Kendall, F. Liang, L.-S. Wang (Eds.) (2005): Markov Chain Monte Carlo: Innovations and Applications, World Scientific, Singapore.S. P. Meyn a R. L. Tweedie (2009): Markov Chains and Stochastic Stability, druhé vydání, Cambridge University Press, Cambridge.C. P. Robert (2001): The Bayesian Choice: From Decision-Theoretic Foundations to Computational Implementation, druhé vydání, Springer, New York.
Garant
RNDr. Michaela Prokešová, Ph.D.