Увійти

Готові списки джерел за темами / Markov chain Monte Carlo samplers / Книги

Книги з теми "Markov chain Monte Carlo samplers"

Щоб переглянути інші типи публікацій з цієї теми, перейдіть за посиланням: Markov chain Monte Carlo samplers.

Автор: Grafiati

Опубліковано: 6 вересня 2023

Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями

Оберіть тип джерела:

Ознайомтеся з топ-50 книг для дослідження на тему "Markov chain Monte Carlo samplers".

Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.

Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.

Переглядайте книги для різних дисциплін та оформлюйте правильно вашу бібліографію.

1

Liang, F. Advanced Markov chain Monte Carlo methods: Learning from past samples. Hoboken, NJ: Wiley, 2010.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

2

Handbook for Markov chain Monte Carlo. Boca Raton: Taylor & Francis, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

3

Liang, Faming, Chuanhai Liu, and Raymond J. Carroll. Advanced Markov Chain Monte Carlo Methods. Chichester, UK: John Wiley & Sons, Ltd, 2010. http://dx.doi.org/10.1002/9780470669723.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

4

R, Gilks W., Richardson S, and Spiegelhalter D. J, eds. Markov chain Monte Carlo in practice. Boca Raton, Fla: Chapman & Hall, 1998.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

5

R, Gilks W., Richardson S, and Spiegelhalter D. J, eds. Markov chain Monte Carlo in practice. London: Chapman & Hall, 1996.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

6

S, Kendall W., Liang F. 1970-, and Wang J. S. 1960-, eds. Markov chain Monte Carlo: Innovations and applications. Singapore: World Scientific, 2005.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

7

Joseph, Anosh. Markov Chain Monte Carlo Methods in Quantum Field Theories. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-46044-0.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

8

Gamerman, Dani. Markov chain Monte Carlo: Stochastic simulation for Bayesian inference. London: Chapman & Hall, 1997.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

9

Freitas, Lopes Hedibert, ed. Markov chain Monte Carlo: Stochastic simulation for Bayesian inference. 2nd ed. Boca Raton: Taylor & Francis, 2006.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

10

Markov chain Monte Carlo: Stochastic simulation for Bayesian inference. London: Chapman & Hall, 1997.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

11

Winkler, Gerhard. Image Analysis, Random Fields and Markov Chain Monte Carlo Methods. Berlin, Heidelberg: Springer Berlin Heidelberg, 2003. http://dx.doi.org/10.1007/978-3-642-55760-6.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

12

Roberts, Gareth O. Markov chain Monte Carlo: Some practical implications of theoretical results. Toronto: University of Toronto, 1997.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

13

Cowles, Mary Kathryn. A simulation approach to convergence rates for Markov chain Monte Carlo algorithms. [Toronto]: University of Toronto, Dept. of Statistics, 1996.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

14

Neal, Radford M. Markov chain Monte Carlo methods based on "slicing" the density function. Toronto: University of Toronto, Dept. of Statistics, 1997.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

15

1946-, Winkler Gerhard, ed. Image analysis, random fields and Markov chain Monte Carlo methods: A mathematical introduction. 2nd ed. Berlin: Springer, 2003.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

16

Gerhard, Winkler. Image analysis, random fields and Markov chain Monte Carlo methods: A mathematical introduction. 2nd ed. Berlin: Springer, 2003.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

17

Suwa, Hidemaro. Geometrically Constructed Markov Chain Monte Carlo Study of Quantum Spin-phonon Complex Systems. Tokyo: Springer Japan, 2014. http://dx.doi.org/10.1007/978-4-431-54517-0.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

18

Markov chain Monte Carlo simulations and their statistical analysis: With web-based Fortran code. Hackensack, NJ: World Scientific, 2004.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

19

Markov chain Monte Carlo simulations and their statistical analysis: With web-based fortran code. Singapore: World Scientific Publishing, 2004.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

20

Lunn, David Jonathan. The application of Markov chain Monte Carlo techniques to the study of population pharmacokinetics. Manchester: University of Manchester, 1995.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

21

Limit Theory for Spatial Processes, Bootstrap Quantile Variance Estimators, and Efficiency Measures for Markov Chain Monte Carlo. [New York, N.Y.?]: [publisher not identified], 2014.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

22

Coolen, A. C. C., A. Annibale, and E. S. Roberts. Markov Chain Monte Carlo sampling of graphs. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198709893.003.0006.

Повний текст джерела

Анотація:

This chapter looks at Markov Chain Monte Carlo techniques to generate hard- and soft-constrained exponential random graph ensembles. The essence is to define a Markov chain based on ergodic randomization moves acting on a network with transition probabilities which satisfy detailed balance. This is sufficient to ensure that the Markov chain will sample from the ensemble with the desired probabilities. This chapter studies several commonly seen randomization move sets and carefully defines acceptance probabilities for a range of different ensembles using both the Metropolis–Hastings and the Glauber prescription. Particular care is paid to describe and avoid the pitfalls that can occur in defining randomization moves for hard-constrained ensembles, and applying them without introducing inadvertent bias (i.e. defining and comparing protocols including switch-and-hold and mobility).

Стилі APA, Harvard, Vancouver, ISO та ін.

23

Carroll, Raymond, Faming Liang, and Chuanhai Liu. Advanced Markov Chain Monte Carlo Methods: Learning from Past Samples. Wiley & Sons, Incorporated, John, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

24

Carroll, Raymond, Faming Liang, and Chuanhai Liu. Advanced Markov Chain Monte Carlo Methods: Learning from Past Samples. Wiley & Sons, Incorporated, John, 2010.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

25

Carroll, Raymond, Faming Liang, and Chuanhai Liu. Advanced Markov Chain Monte Carlo Methods: Learning from Past Samples. Wiley & Sons, Limited, John, 2010.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

26

Carroll, Raymond, Faming Liang, and Chuanhai Liu. Advanced Markov Chain Monte Carlo Methods: Learning from Past Samples. Wiley & Sons, Incorporated, John, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

27

Gamerman, Dani, and Hedibert F. Lopes. Markov Chain Monte Carlo. Chapman and Hall/CRC, 2006. http://dx.doi.org/10.1201/9781482296426.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

28

Brooks, Steve, Andrew Gelman, Galin Jones, and Xiao-Li Meng, eds. Handbook of Markov Chain Monte Carlo. Chapman and Hall/CRC, 2011. http://dx.doi.org/10.1201/b10905.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

29

Gilks, W. R., S. Richardson, and David Spiegelhalter, eds. Markov Chain Monte Carlo in Practice. Chapman and Hall/CRC, 1995. http://dx.doi.org/10.1201/b14835.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

30

Carroll, Raymond, Faming Liang, and Chuanhai Liu. Advanced Markov Chain Monte Carlo Methods. Wiley & Sons, Incorporated, John, 2010.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

31

Brooks, Steve, Andrew Gelman, Xiao-Li Meng, and Galin L. Jones. Handbook of Markov Chain Monte Carlo. Taylor & Francis Group, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

32

Richardson, S., David Spiegelhalter, and W. R. Gilks. Markov Chain Monte Carlo in Practice. Taylor & Francis Group, 1995.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

33

Brooks, Steve, Andrew Gelman, Xiao-Li Meng, and Galin Jones. Handbook of Markov Chain Monte Carlo. Taylor & Francis Group, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

34

Brooks, Steve, Andrew Gelman, Xiao-Li Meng, and Galin Jones. Handbook of Markov Chain Monte Carlo. Taylor & Francis Group, 2011.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

35

Richardson, S., David Spiegelhalter, and W. R. Gilks. Markov Chain Monte Carlo in Practice. Taylor & Francis Group, 1995.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

36

Markov chain Monte Carlo: Innovations and applications. Singapore: World Scientific, 2006.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

37

Kamatani, Kengo. Stability of Markov Chain Monte Carlo Methods. Springer Japan, 2023.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

38

Markov Chain Monte Carlo in Practice (Interdisciplinary Statistics). Chapman & Hall/CRC, 1995.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

39

Coolen, A. C. C., A. Annibale, and E. S. Roberts. Graphs with hard constraints: further applications and extensions. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198709893.003.0007.

Повний текст джерела

Анотація:

This chapter looks at further topics pertaining to the effective use of Markov Chain Monte Carlo to sample from hard- and soft-constrained exponential random graph models. The chapter considers the question of how moves can be sampled efficiently without introducing unintended bias. It is shown mathematically and numerically that apparently very similar methods of picking out moves can give rise to significant differences in the average topology of the networks generated by the MCMC process. The general discussion in complemented with pseudocode in the relevant section of the Algorithms chapter, which explicitly sets out some accurate and practical move sampling approaches. The chapter also describes how the MCMC equilibrium probabilities can be purposely deformed to, for example, target desired correlations between degrees of connected nodes. The mathematical exposition is complemented with graphs showing the results of numerical simulations.

Стилі APA, Harvard, Vancouver, ISO та ін.

40

Jones, Galin L. Convergence rates and Monte Carlo standard errors for Markov chain Monte Carlo Algorithms. 2001.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

41

Tweedie, Richard L., and Gareth O. Roberts. Understanding Monte Carlo Markov Chain (Springer Series in Statistics). Springer, 2008.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

42

Cheng, Russell. Finite Mixture Examples; MAPIS Details. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198505044.003.0018.

Повний текст джерела

Анотація:

Two detailed numerical examples are given in this chapter illustrating and comparing mainly the reversible jump Markov chain Monte Carlo (RJMCMC) and the maximum a posteriori/importance sampling (MAPIS) methods. The numerical examples are the well-known galaxy data set with sample size 82, and the Hidalgo stamp issues thickness data with sample size 485. A comparison is made of the estimates obtained by the RJMCMC and MAPIS methods for (i) the posterior k-distribution of the number of components, k, (ii) the predictive finite mixture distribution itself, and (iii) the posterior distributions of the component parameters and weights. The estimates obtained by MAPIS are shown to be more satisfactory and meaningful. Details are given of the practical implementation of MAPIS for five non-normal mixture models, namely: the extreme value, gamma, inverse Gaussian, lognormal, and Weibull. Mathematical details are also given of the acceptance-rejection importance sampling used in MAPIS.

Стилі APA, Harvard, Vancouver, ISO та ін.

43

Lopes, Hedibert F., and Dani Gamerman. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, Second Edition. Taylor & Francis Group, 2006.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

44

Pinto, Ruxandra L. Improving markov chain monte carlo estimators using overrelaxation and coupling techniques. 2002.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

45

Pinto, Ruxandra L. Improving Markov chain Monte Carlo estimations using overrelaxing and coupling techniques. 2002, 2002.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

46

Lopes, Hedibert F., and Dani Gamerman. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, Second Edition. Taylor & Francis Group, 2006.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

47

Matsuura, So, and Masanori Hanada. MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo. Springer, 2022.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

48

Geometrically Constructed Markov Chain Monte Carlo Study of Quantum Spinphonon Complex Systems Springer Theses. Springer Verlag, Japan, 2013.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

49

Laver, Michael, and Ernest Sergenti. Systematically Interrogating Agent-Based Models. Princeton University Press, 2017. http://dx.doi.org/10.23943/princeton/9780691139036.003.0004.

Повний текст джерела

Анотація:

This chapter develops the methods for designing, executing, and analyzing large suites of computer simulations that generate stable and replicable results. It starts with a discussion of the different methods of experimental design, such as grid sweeping and Monte Carlo parameterization. Next, it demonstrates how to calculate mean estimates of output variables of interest. It does so by first discussing stochastic processes, Markov Chain representations, and model burn-in. It focuses on three stochastic process representations: nonergodic deterministic processes that converge on a single state; nondeterministic stochastic processes for which a time average provides a representative estimate of the output variables; and nondeterministic stochastic processes for which a time average does not provide a representative estimate of the output variables. The estimation strategy employed depends on which stochastic process the simulation follows. Lastly, the chapter presents a set of diagnostic checks used to establish an appropriate sample size for the estimation of the means.

Стилі APA, Harvard, Vancouver, ISO та ін.

50

Joseph, Anosh. Markov Chain Monte Carlo Methods in Quantum Field Theories: A Modern Primer. Springer, 2020.

Знайти повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Ми пропонуємо знижки на всі преміум-плани для авторів, чиї праці увійшли до тематичних добірок літератури. Зв'яжіться з нами, щоб отримати унікальний промокод!