Retour au numéro
Partager sur :
Vue 57 fois
20 septembre 2003

Publication

MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV

La simulation est devenue dans la dernière décennie un outil essentiel du traitement statistique de modèles complexes et de la mise en oeuvre de techniques statistiques avancées, comme le bootstrap ou les méthodes d'inférence simulée. Ce livre présente les éléments de base de la simulation de lois de probabilité et de leur utilisation en Statistique. Après un bref rappel sur les chaînes de Markov, les techniques plus spécifiques de Monte Carlo par chaîne de Markov (MCMC) sont présentées en détail, à la fois du point de vue théorique et du point de vue de leur implémentation. Les derniers chapitres contiennent un exposé critique sur l'état de l'art en contrôle de convergence et une



Cliquez pour agrandir
Figure n°1 :


présentation unifiée des diverses applications des méthodes MCMC aux modèles à données manquantes. De nombreux exemples statistiques illustrent les méthodes présentées dans cette ouvrage destiné aux étudiants de deuxième et troisième cycle universitaires en Mathématiques Appliquées s ainsi qu'aux chercheurs et praticiens désirent utiliser les méthodes MCMC.

Christian Robert est diplômé de l'Ecole Nationale de la Statistique et de l'Administration Economique (Ensae) et Docteur ès- Sciences en Mathématiques. Professeur à l'Université de Rouen et Maître de conférence à l'Ecole Pol technique, il est actuellement directeur du laboratoire de Statistique du Centre de Recherche en Economie et Statistique Théorique (CREST).

Autrice

Christian Robert

Articles liés par des tags

Commentaires

Aucun commentaire

Vous devez être connecté pour laisser un commentaire. Connectez-vous.