Méthodes de Monte-Carlo avec R

تکنیک‌های شبیه‌سازی رایانه‌ای برای آمارگیر ضروری هستند. برای اینکه او بتواند از آنها برای حل مسائل آماری استفاده کند، ابتدا باید شهود و توانایی خود را برای تولید مدل های شبیه سازی توسعه دهد. بنابراین این کتاب از دیدگاه برنامه نویس برای افشای این ابزارهای اساسی شبیه سازی تصادفی استفاده می کند. این نشان می دهد که چگونه می توان آنها را تحت R پیاده سازی کرد و کلیدهای درک بهتر روش های ارائه شده با دیدگاه مقایسه آنها را بدون پرداختن طولانی به توجیه نظری آنها می دهد.

نویسندگان الگوریتم‌های اساسی برای تولید داده‌های تصادفی، تکنیک‌های مونت کارلو برای ادغام و بهینه‌سازی، تشخیص هم‌گرایی، زنجیره‌های مارکوف، الگوریتم‌های تطبیقی، الگوریتم‌های متروپلیس-هیستینگز و گیبس را ارائه می‌کنند. تمام فصل ها شامل تمرین می باشد. برنامه های R در یک بسته خاص در دسترس هستند.

این کتاب برای هر کسی که علاقه مند به شبیه سازی آماری است، طراحی شده است و نیازی به دانش قبلی از زبان R، و یا تخصص در آمار بیزی ندارد، اگرچه بسیاری از تمرین ها در این زمینه خاص قرار می گیرند. این کتاب برای دانشجویان و متخصصانی که در زمینه های آمار، مخابرات، اقتصاد سنجی، مالی و بسیاری دیگر کار می کنند مفید خواهد بود.

Christian P.Robert استاد دانشگاه پاریس-دوفین و عضو انستیتو دانشگاه فرانسه است

جورج کازلا پروفسور ممتاز در دانشگاه فلوریدا

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 � 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 � 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 � l'université Paris-Dauphine et membre de l’Institut universitaire de France

George Casella est Distinguished Professor � l'université de Floride