통계학에서의 몬테카를로 방법
본 논문은 몬테카를로 기법이 통계학에 어떻게 도입되고 발전했는지를 개관한다. 기본 원리, 중요도 샘플링, MCMC(특히 Gibbs와 Metropolis‑Hastings), 그리고 베이지안 모델 선택과 베이즈 인자 계산에의 응용을 설명하고, 최근 적응형 알고리즘과 리버시블 점프와 같은 고급 기법들을 소개한다.
저자: Christian P. Robert
이 논문은 몬테카를로(Monte Carlo) 방법이 현대 통계학에서 차지하는 위치와 그 발전 과정을 체계적으로 정리한다. 서두에서는 통계학자들이 측정 이론보다 샘플링과 확률 개념에 더 익숙해졌다는 현상을 지적하며, 몬테카를로 적분이 기대값 E_f
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기