Méthodes de Monte-Carlo avec R

Les techniques informatiques de simulation sont essentielles au statisticien. Afin que celui-ci puisse les utiliser en vue de resoudre des problemes statistiques, il lui faut au prealable developper son intuition et sa capacite a produire lui-meme des modeles de simulation. Ce livre adopte donc le point de vue du programmeur pour exposer ces outils fondamentaux de simulation stochastique. Il montre comment les implementer sous R et donne les cles d'une meilleure comprehension des methodes exposees en vue de leur comparaison, sans s'attarder trop longuement sur leur justification theorique. Les auteurs presentent les algorithmes de base pour la generation de donnees aleatoires, les techniques de Monte-Carlo pour l'integration et l'optimisation, les diagnostics de convergence, les chaines 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 specifique. Le livre s'adresse a toute personne que la simulation statistique interesse et n'exige aucune connaissance prealable du langage R, ni aucune expertise en statistique bayesienne, bien que nombre d'exercices relevent de ce champ precis. Cet ouvrage sera utile aux etudiants et aux professionnels actifs dans les domaines de la statistique, des telecommunications, de l'econometrie, de la finance et bien d’autres encore.