第1章 引言與實(shí)例
1.1 對(duì)蒙特卡羅技術(shù)的需求
1.2 全書(shū)的范圍及概要
1.3 統(tǒng)計(jì)物理學(xué)中的計(jì)算
1.4 分子結(jié)構(gòu)模擬
1.5 生物信息學(xué)：找弱重復(fù)圖樣
1.6 非線性動(dòng)力系統(tǒng)：目標(biāo)追蹤
1.7 天文觀測(cè)中的假設(shè)檢驗(yàn)
1.8 多層模型的貝葉斯推斷
1.9 蒙特卡羅和缺失數(shù)據(jù)問(wèn)題

第2章 基本原理：舍取法、加權(quán)法以及其他方法
2.1 生成簡(jiǎn)單隨機(jī)變量
2.2 舍取法
2.3 方差減少法
2.4 鏈?zhǔn)浇Y(jié)構(gòu)模型的精確方法
2.4.1 動(dòng)態(tài)規(guī)劃
2.4.2 精確模擬
2.5 重點(diǎn)抽樣和加權(quán)樣本
2.5.1 一個(gè)例子
2.5.2 基本思想
2.5.3 重點(diǎn)抽樣的經(jīng)驗(yàn)法則
2.5.4 加權(quán)樣本的概念
2.5.5 重點(diǎn)抽樣中的邊際化方法
2.5.6 例子：求解一個(gè)線性系統(tǒng)
2.5.7 例子：貝葉斯缺失數(shù)據(jù)問(wèn)題
2.6 高級(jí)重點(diǎn)抽樣技術(shù)
2.6.1 自適應(yīng)重點(diǎn)抽樣
2.6.2 舍取和加權(quán)
2.6.3 序貫重點(diǎn)抽樣
2.6.4 序貫重點(diǎn)抽樣中的舍取控制
2.7 SIS在群體遺傳學(xué)中的應(yīng)用
2.8 問(wèn)題

第3章 序貫蒙特卡羅的理論
3.1 早期發(fā)展：凝聚成聚合物
3.1.1 一個(gè)簡(jiǎn)單的聚合物模型：自避免游動(dòng)
3.1.2 在方格子點(diǎn)上凝聚成聚合物
3.1.3 增長(zhǎng)性方法的局限性
3.2 統(tǒng)計(jì)缺失數(shù)據(jù)問(wèn)題的序貫補(bǔ)借
3.2.1 似然計(jì)算
3.2.2 貝葉斯計(jì)算
3.3 非線性濾波
3.4 一般框架
3.4.1 抽樣分布的選擇
3.4.2 歸一化常數(shù)
3.4.3 修剪、增峰和重抽樣
3.4.4 再談重抽樣
3.4.5 部分舍取控制
3.4.6 邊際化、先行和延遲估計(jì)
3.5 問(wèn)題
第4章 應(yīng)用序貫蒙特卡羅
4.1 生物學(xué)問(wèn)題
4.1.1 分子模擬
4.1.2 種群遺傳學(xué)中的推斷
4.1.3 找DNA序列的基序模式
4.2 近似積和
4.3 有固定邊際和的0-1表格的計(jì)算
4.4 貝葉斯缺失數(shù)據(jù)問(wèn)題
4.4.1 Murray數(shù)據(jù)
……

第5章 Metropolis算法及其推廣
第6章 Gibbs抽樣
第7章 伊辛模型的聚類算法
第8章 廣義條件抽樣
第9章 分子動(dòng)力學(xué)和雜交蒙特卡羅方法
第10章 多層抽樣和優(yōu)化方法
第11章 基于總體的蒙特卡羅方法
第12章 馬爾可夫鏈及其收斂性
第13章 精選的理論論題
參考文獻(xiàn)
作者索引
索引