마르코프 연쇄 몬테카를로(Maple과 R-project에 의한)

1장 확률과정 (Stochastic Process)

1.1 서론 (Introduction)

1.2 확률과정 (Strochastic Processes)

1.3 확률과정의 용어 (Terminology)

1장연습문제



2장 마르코프 연쇄 (Markov Chain)

2.1 서론 (Introduction)

2.2 마르코프 연쇄 (Markov Chain)

2.3 추이행렬과 추이도 (Transition Matrix and Transition Diagram)

2.4 마르코프 연쇄의 모의실험 (Simulation of Markov Chain)

2장연습문제



3장 상태의 분류 (Classification of States)

3.1 서론 (Introduction)

3.2 재귀상태와 일시상태 (Recurrent State and Transient State)

3.3 흡수상태 (Absorbing State)

3.4 기본행렬 (Fundamental Matrix)

3.5 에르고딕 마르코프 연쇄와 정칙 마르코프 연쇄 (Ergodic Markov Chain and Regular Markov Chain)

3장연습문제



4장 마르코프 연쇄의 극한분포 (Limiting Distribution of Markov Chain)

4.1 서론 (Introduction)

4.2 정상분포 (Stationary Distribution)

4.3 가역 마르코프 연쇄 (Reversible Markov Chain)

4.4 마르코프 연쇄의 중심극한정리 (Central Limit Theorem of Markov Chain)

4장연습문제



5장 마르코프 연쇄에 대한 통계적 추론 (Statistical Inference for Markov Chain)

5.1 서론 (Introduction)

5.2 k차 마르코프 연쇄 (The ĸth Order Markov Chain)

5.3 추이확률의 추정 (Estimation of Transition Probability)

5.4 추이확률의 검정 (Test of Transition Probability)

5.5 마르코프 성질에 대한 검정 (Test of the Markov Property)

5.6 정상성의 검정 (Test of Stationarity)

5.7 차수의 추정과 검정 (Estimation and Test of the Order)

5장연습문제



6장 은닉 마르코프 모형 (Hidden Markov Model : HMM)

6.1 서론 (Introduction)

6.2 은닉 마르코프 모형의 구조 (Structure of HMM)

6.3 관측확률의 계산 (Evaluation of Observation Probability)

6.4 표본경로의 판독 (Decoding of Sample Path)

6.5 모형의 모수 추정 (Parameter Estimation of Model)

6.6 은닉 마르코프 모형의 응용 (Application of HMM)

6장연습문제



7장 몬테카를로 적분 (Monte carlo Integration)

7.1 서론 (Introduction)

7.2 적중법 (Hit or Miss Method)

7.3 표본평균법 (Sample Mean Method)

7.4 주표집법 (Importance Sampling Method)

7.5 기각법 (Rejection Sampling Methid)

7장연습문제



8장 마르코프 연쇄 몬테카를로 (Markov Chain Monte carlo : MCMC)

8.1 서론 (Introduction)

8.2 베이즈 추론 (Bayesian Inference)

8.3 메트로폴리스-헤이스팅스 표집 (Metropolis-Hastings Sampling)

8.4 메트로폴리스 표집 (Metropolis Sampling)

8.5 깁스 표집 (Gibbs Sampling)

8.6 분할 표집 (Slice Sampling)

8장연습문제



해답

참고문헌

기호찾기

찾아보기(국문)

찾아보기(영문)

이상호