Este repositorio contiene scripts y notebooks diseñados para generar las gráficas presentadas en el artículo:
Medel Esquivel, R., Gómez-Vargas, I., Vázquez, JA, y García Salcedo, R. (2021). Una introducción a Markov Chain Monte Carlo. *Boletín de Estadística e Investigación Operativa*, 37(1), 47-74.
El artículo está disponible para su descarga aquí.
El propósito del artículo es ofrecer una introducción didáctica a los fundamentos de los métodos de Cadena de Markov Monte Carlo (MCMC).
- sumariemann.py: Script para calcular integrales utilizando el método de sumas de Riemann. Este código también se encuentra en el notebook SumasRiemannGrandesNumeros.ipynb, que adicionalmente incluye el cálculo de integrales mediante la ley de los grandes números.
- randomwalk.py: Script para graficar una caminata aleatoria.
- metropolisHastings.ipynb: Notebook que implementa un MCMC Metropolis-Hastings para simular varios lanzamientos de moneda, generando múltiples cadenas y graficando sus convergencias.
- caminantes.ipynb: Notebook que muestra la trayectoria de caminantes pseudoaleatorios y traza las regiones de confianza. Se utiliza un MCMC Metropolis-Hastings para la estimación de parámetros de una distribución específica.
- EjemploMCMC.ipynb: Notebook para ajustar un conjunto de datos sintéticos a un modelo lineal mediante simulación MCMC.
Si utilizas contenido de este repositorio, por favor cita el artículo de la siguiente manera:
@article{esquivel2021introduction,
title={An introduction to markov chain monte carlo},
author={Medel Esquivel, Ricardo, and G{\'o}mez-Vargas, Isidro and V{\'a}zquez, J Alberto and Salcedo, Ricardo Garc{\'\i}a},
journal={Bolet{\'\i}n de Estad{\'\i}stica e Investigaci{\'o}n Operativa},
volume={1},
number={37},
pages={47--74},
year={2021},
DOI={DOI: 10.13140/RG.2.2.15462.43849}
}