顶部
  1. 首页
  2. 图书产品
  3. 基于INLA的贝叶斯推断 (Bayesian inference with INLA)
收藏

基于INLA的贝叶斯推断 (Bayesian inference with INLA)

样章
作者：
Virgilio Gomez-Rubio 著，汤银才、周世荣 译
定价：
89.00 元
版面字数：
450千字
开本：
特殊
装帧形式：
平装
版次：
1
最新版次
印刷时间：
2023年
ISBN：
978-7-04-060819-9
物料号：
60819-00
出版时间：
2023-08-07
读者对象：
学术著作
一级分类：
自然科学
二级分类：
数学与统计
三级分类：
应用统计数学
暂无
  • 目录
    • 前辅文
      • 第1章 贝叶斯推断介绍
        • 1.1 引言
          • 1.2 贝叶斯推断
            • 1.3 共轭先验
              • 1.4 计算方法
                • 1.5 马尔可夫链蒙特卡罗方法
                  • 1.6 积分嵌套拉普拉斯近似
                    • 1.7 范例:《权力的游戏》书中字母u 的个数
                      • 1.8 结束语
                      • 第2章 积分嵌套拉普拉斯近似
                        • 2.1 引言
                          • 2.2 积分嵌套拉普拉斯近似
                            • 2.3 R-INLA 软件包
                              • 2.4 模型评估与模型选择
                                • 2.5 控制选项
                                  • 2.6 后验边际分布的使用
                                    • 2.7 后验分布的抽样
                                    • 第3章 混合效应模型
                                      • 3.1 引言
                                        • 3.2 固定效应模型
                                          • 3.3 混合效应模型的类型
                                            • 3.4 潜在效应的信息
                                              • 3.5 其他选项
                                                • 3.6 结束语
                                                • 第4章 多层次模型
                                                  • 4.1 引言
                                                    • 4.2 带随机效应的多层次模型
                                                      • 4.3 带嵌套效应的多层次模型
                                                        • 4.4 带复杂结构的多层次模型
                                                          • 4.5 纵向数据的多层次模型
                                                            • 4.6 二元数据的多层次模型
                                                              • 4.7 计数数据多层次模型
                                                              • 第5章 R-INLA 中的先验
                                                                • 5.1 引言
                                                                  • 5.2 先验的选取
                                                                    • 5.3 使用新的先验
                                                                      • 5.4 惩罚复杂性先验
                                                                        • 5.5 先验敏感性分析
                                                                          • 5.6 调整效应与先验
                                                                            • 5.7 结束语
                                                                            • 第6章 高级特征
                                                                              • 6.1 引言
                                                                                • 6.2 预测因子矩阵
                                                                                  • 6.3 线性组合
                                                                                    • 6.4 多个似然
                                                                                      • 6.5 共享项
                                                                                        • 6.6 线性约束
                                                                                          • 6.7 结束语
                                                                                          • 第7章 空间模型
                                                                                            • 7.1 引言
                                                                                              • 7.2 区域数据
                                                                                                • 7.3 地理统计学
                                                                                                  • 7.4 点模式
                                                                                                  • 第8章 时间模型
                                                                                                    • 8.1 引言
                                                                                                      • 8.2 自回归模型
                                                                                                        • 8.3 非高斯数据
                                                                                                          • 8.4 预测
                                                                                                            • 8.5 状态–空间模型
                                                                                                              • 8.6 时空模型
                                                                                                                • 8.7 结束语
                                                                                                                • 第9章 光滑化
                                                                                                                  • 9.1 引言
                                                                                                                    • 9.2 样条
                                                                                                                      • 9.3 INLA 中的平滑项
                                                                                                                        • 9.4 使用SPDE 进行光滑化
                                                                                                                          • 9.5 非高斯模型
                                                                                                                            • 9.6 结束语
                                                                                                                            • 第10章 生存模型
                                                                                                                              • 10.1 引言..
                                                                                                                                • 10.2 生存曲线的非参数估计
                                                                                                                                  • 10.3 生存函数的参数建模
                                                                                                                                    • 10.4 半参数估计: Cox 比例风险函数
                                                                                                                                      • 10.5 加速失效时间模型
                                                                                                                                        • 10.6 脆弱模型
                                                                                                                                          • 10.7 联合建模
                                                                                                                                          • 第11章 使用新的潜在效应模型
                                                                                                                                            • 11.1 引言
                                                                                                                                              • 11.2 空间潜在模型
                                                                                                                                                • 11.3 在R 中基于rgeneric 实现潜在效应
                                                                                                                                                  • 11.4 贝叶斯模型平均
                                                                                                                                                    • 11.5 MCMC 内嵌入INLA
                                                                                                                                                      • 11.6 结果比较
                                                                                                                                                        • 11.7 结束语
                                                                                                                                                        • 第12章 缺失值与插补
                                                                                                                                                          • 12.1 引言
                                                                                                                                                            • 12.2 缺失机制
                                                                                                                                                              • 12.3 响应变量中的缺失值
                                                                                                                                                                • 12.4 缺失协变量的插补
                                                                                                                                                                  • 12.5 缺失值的多重插补
                                                                                                                                                                    • 12.6 结束语
                                                                                                                                                                    • 第13章 混合模型
                                                                                                                                                                      • 13.1 引言
                                                                                                                                                                        • 13.2 混合模型的贝叶斯分析
                                                                                                                                                                          • 13.3 基于INLA 拟合混合模型
                                                                                                                                                                            • 13.4 混合模型的模型选择
                                                                                                                                                                              • 13.5 治愈率模型
                                                                                                                                                                                • 13.6 结束语
                                                                                                                                                                                • 本书用的R包
                                                                                                                                                                                  • 参考文献
                                                                                                                                                                                    • 索引

                                                                                                                                                                                    相关图书

                                                                                                                                                                                    地理空间健康数据：基于R-INLA和Shiny的建模与可视化（Geospatial Health Data: Modeling and Visualizatio

                                                                                                                                                                                    Paula Moraga 著，汤银才 王平平 译

                                                                                                                                                                                    79.00 元 收藏