Méthodes de Monte-Carlo avec R

Type Book

Rate 0.0 /5

Les techniques informatiques de simulation sont essentielles au statisticien. Afin que celui-ci puisse les utiliser en vue de résoudre des problèmes statistiques, il lui faut au préalable développer son intuition et sa capacité à produire lui-même des modèles de simulation. Ce livre adopte donc le point de vue du programmeur pour exposer ces outils fondamentaux de simulation stochastique. Il montre comment les implémenter sous R et donne les clés d'une meilleure compréhension des méthodes expos…

Details

Files

Reviews

Download

Title Statements

Full title :Méthodes de Monte-Carlo avec R / Christian P. Robert, George Casella ; traduit de l'anglais par Joachim Robert [and others].

Summary

Les techniques informatiques de simulation sont essentielles au statisticien. Afin que celui-ci puisse les utiliser en vue de résoudre des problèmes statistiques, il lui faut au préalable développer son intuition et sa capacité à produire lui-même des modèles de simulation. Ce livre adopte donc le point de vue du programmeur pour exposer ces outils fondamentaux de simulation stochastique. Il montre comment les implémenter sous R et donne les clés d'une meilleure compréhension des méthodes exposées en vue de leur comparaison, sans s'attarder trop longuement sur leur justification théorique. Les auteurs présentent les algorithmes de base pour la génération de données aléatoires, les techniques de Monte-Carlo pour l'intégration et l'optimisation, les diagnostics de convergence, les chaînes de Markov, les algorithmes adaptatifs, les algorithmes de Metropolis- Hastings et de Gibbs. Tous les chapitres incluent des exercices. Les programmes R sont disponibles dans un package spécifique. Le livre s'adresse à toute personne que la simulation statistique intéresse et n'exige aucune connaissance préalable du langage R, ni aucune expertise en statistique bayésienne, bien que nombre d'exercices relèvent de ce champ précis. Cet ouvrage sera utile aux étudiants et aux professionnels actifs dans les domaines de la statistique, des télécommunications, de l'économétrie, de la finance et bien d'autres encore. Christian P. Robert est Professeur à l'université Paris-Dauphine et membre de l'Institut universitaire de France George Casella est Distinguished Professor à l'université de Floride.

Edition Statements

Publication Date:©2011.

Publication Statements

Publisher(s):Springer
Place of Publication:Paris
Language:fre
Publication Date:©2011.

The Physical Object

Description:1 online resource (xv, 256 pages)

Edition Identifiers

ISBN:9782817801810, 2817801814
oclc:ocn755721680
LC Classification:QA298
Dewey Decimal:518/.282

Title Page; Copyright Page; REMERCIEMENTS; AVANT-PROPOS; Table of Contents; Chapitre 1 Préliminaires; Guide du lecteur; 1.1 Introduction; 1.2 La librairie mcsm; 1.3 Distributions de probabilité prédéfinies en R; 1.4 Quelques mots sur le bootstrap; 1.5 Exercices supplémentaires; Chapitre 2 Génération de variables aléatoires; Guide du lecteur; 2.1 Introduction; 2.1.1 La simulation uniforme; 2.1.2 Méthode de la transformation inverse; 2.2 Méthodes de transformation générales; 2.2.1 Un générateur aléatoire normal; 2.2.2 Distributions discrètes; 2.2.3 Représentations par mélange

2.3 Méthodes de rejet2.4 Exercices supplémentaires; Chapitre 3 Intégration de Monte-Carlo; Guide du lecteur; 3.1 Introduction; 3.1.1 Intégration numérique; 3.2 L'intégration classique de Monte-Carlo; 3.3 Echantillonnage préférentiel; 3.3.1 Un changement arbitraire de mesure de référence; 3.3.2 Rééchantillonnage préférentiel; 3.3.3 Sélection de la loi instrumentale; 3.4 Exercices supplémentaires; Chapitre 4 Contrôler et accélérer la convergence; Guide du lecteur; 4.1 Introduction; 4.2 Evaluation de la variation; 4.3 Variance asymptotique de l'échantillonnage préférentiel

4.4 Taille effective et perplexité d'un…