En français:
- De l'Intégration aux probabilités, Olivier Garet, Aline Kurtzmann, Ellipses. Inutile de vous présenter les auteurs. Recommandé pour les leçons de probabilités en analyse et les calculs d'intégrales
- Probabilités et Processus Stochastiques, Olivier Garet, distribué par Amazon (23,95 €)
- un poly, proposé par Philippe Chassaing, sur les chaines de Markov, traduit essentiellement de Norris, avec quelques ajouts et explications supplémentaires.
- Thèmes de Probabilités et Statistique, ouvrage collectif publié sous le pseudonyme de Paul S. Toulouse, Dunod: un des tous premiers livres écrits spécialement pour la nouvelle épreuve (1999), longtemps interdit: très bien pour faire le point sur le programme de M1 (et un peu plus), contient des programmes en Matlab.
- Modèles et Algorithmes Markoviens, Bernard Ycart, SMAI: livre pensé pour le passage aux simulations en Scilab, sans pour autant sacrifier le contenu théorique.
- Simulation & algorithmes stochastiques, Nathalie Bartoli, Pierre Del Moral, Cépaduès : on trouve tous les grands classiques de la simulation (Markov, Métropolis, recuit simulé, rejet, filtrage). Sans doute un peu au dessus du niveau de l'agreg (c'est un cours de DEA), mais c'est un bon rapport qualité/prix (moins de 22 euros)
- Martingales et chaînes de Markov (Théorie élémentaire et exercices corrigés), Laurent Mazliak , Paolo Baldi , Pierre Priouret, Hermann : un cours de M1 assez classique.
- Promenade aléatoire (Chaînes de Markov et simulations ; martingales et stratégies) , Michel Benaïm , Nicole El Karoui, Les éditions de l'école polytechnique. Plus complet et plus orienté vers les applications. (28 euros)
- Modélisations stochastiques et simulations, Pierre Vallois, Ellipses. Contient en particulier des introductions aux statistiques, au processus de Poisson et files d'attente. (31 euros)
- Statistique en action, Rivoirard et Stoltz, Vuibert 2009. Un cours de stats, et huit textes de type agreg, avec corrigés.
En anglais:
- Markov Chains, Norris, Chapitre 1 sur les cahines de Markov à temps discret complet et clair (en anglais).
- Introduction to Probability Models, Sheldon M. Ross: très bon dans le genre 'introductif', au sens où il reste particulièrement abordable à chaque instant, tout en amenant parfois assez loin.
- Simulation, Sheldon M. Ross: très bon dans le genre 'introductif', au sens où il reste particulièrement abordable à chaque instant, tout en amenant parfois assez loin.
- Finite Markov Chains and Algorithmic Applications, Olle Häggström, Cambridge University Press : inclus les méthodes MCMC, échantillonneur de Gibbs, Metropolis, applications à des problèmes de comptage, Propp-Wilson, recuit simulé. Des maths très vivantes. (27 euros)
- Grimmett et Stirzaker: complet et économique, au sens où beaucoup est dit en peu de pages, de manière claire et concise. Les sacrifices fait au nom de la brièveté sont pertinents.
- Simulation and the Monte Carlo Method, RY Rubinstein - 1981 - John Wiley & Sons : le titre dit tout.
- Stochastic modelling and analysis: a computational approach, HC Tijms - 1986 - John Wiley & Sons : processus de Markov, files d'attente, processus de renouvellement.
- A First Course in Stochastic Models, HC Tijms - 2003 - books.google.com : semble être une version rénovée du précédent, à acheter ???
