Statistical Computing '99 - Schloß Reisensburg

Markov-Chain-Monte-Carlo-Methoden – eine Einführung

Ernst Schuster
Institut für Medizinische Informatik, Statistik und Epidemiologie
Universität Leipzig

In dem BUGS Tutorium zur Computational Statistics `98 wurden die Markov-Chain-Monte-Carlo(MCMC) Methoden nur angedeutet, während der Fokus auf der Anwendung des Programms BUGS (Bayesian inference Using Gibbs Sampling) lag. Im Vortrag wird in die grundlegenden MCMC-Methoden eingeführt. Zuerst werden Begriffe der Bayes Statistik wie a-posteriori-Dichte, konjugierte Verteilungen und Referenzprior bereitgestellt. Anschließend werden die wichtigsten MCMC-Methoden – Gibbs Sampler, Rejection Methode und Metropolis-Hastings-Algorithmus – behandelt.

Literatur:

  1. O’ Hagan, A.(1994). Kendall’s Advanced Theory of Statistics Vol 2B Bayesian Inference, Edward Arnold, London.
  2. Lee, P. M.(1994). Bayesian Statistics: an introduction, Eward Arnold, London (als Einführung in Bayes Statistik).
  3. Tanner, M. A.(1996). Tools for Statistical Inference - Methods for the Exploration of Posterior Distributions and Likelihood Functions, Springer.
  4. Whittaker, J.(1990). Graphical models in applied multivariate statistics. John Wiley and Sons, Chichester.
  5. Gilks W.R., Richardson, S. und Spiegelhalter, D.J., eds.( 1996). Markov Chain Monte Carlo in pracitice, Chapman and Hall, London 1996.

31. Statistical Computing '99