A3 Kirjan tai muun kokoomateoksen osa
Ergonomic and Reliable Bayesian Inference with Adaptive Markov Chain Monte Carlo (2020)


Vihola, M. (2020). Ergonomic and Reliable Bayesian Inference with Adaptive Markov Chain Monte Carlo. In N. Balakrishnan, T. Colton, B. Everitt, W. Piegorsch, F. Ruggeri, & J. L. Teugels (Eds.), Wiley StatsRef : Statistics Reference Online (pp. 1-12). John Wiley & Sons. https://doi.org/10.1002/9781118445112.stat08286


JYU-tekijät tai -toimittajat


Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Vihola, Matti

Emojulkaisu: Wiley StatsRef : Statistics Reference Online

Emojulkaisun toimittajat: Balakrishnan, N.; Colton, T.; Everitt, B.; Piegorsch, W.; Ruggeri, F.; Teugels, J. L.

eISBN: 978-1-118-44511-2

Julkaisuvuosi: 2020

Artikkelin sivunumerot: 1-12

Kustantaja: John Wiley & Sons

Julkaisumaa: Yhdysvallat (USA)

Julkaisun kieli: englanti

DOI: https://doi.org/10.1002/9781118445112.stat08286

Julkaisun avoin saatavuus: Ei avoin

Julkaisukanavan avoin saatavuus:


Tiivistelmä

Adaptive Markov chain Monte Carlo (MCMC) methods provide an ergonomic way to perform Bayesian inference, imposing mild modeling constraints and requiring little user specification. The aim of this section is to provide a practical introduction to selected set of adaptive MCMC methods and to suggest guidelines for choosing appropriate methods for certain classes of models. We consider simple unimodal targets with random‐walk‐based methods, multimodal target distributions with parallel tempering, and Bayesian hidden Markov models using particle MCMC. The section is complemented by an easy‐to‐use open‐source implementation of the presented methods in Julia, with examples.


YSO-asiasanat: Markovin ketjut; Monte Carlo -menetelmät; bayesilainen menetelmä; menetelmät


Liittyvät organisaatiot


Hankkeet, joissa julkaisu on tehty


OKM-raportointi: Kyllä

Raportointivuosi: 2020

JUFO-taso: 2


Viimeisin päivitys 2021-07-07 klo 21:31