基于INLA的贝叶斯回归建模

样章

作者：

Xiaofeng Wang, Yu Ryan Yue, Julian J. Faraway 著, 汤银才，周世荣译

定价：

89.00 元

版面字数：

430千字

开本：

特殊

装帧形式：

平装

版次：

最新版次
印刷时间：

2024年

ISBN：

978-7-04-061007-9

物料号：

61007-00

出版时间：

2024-04-26

读者对象：

学术著作

一级分类：

自然科学

二级分类：

统计学

三级分类：

应用统计学

暂无

目录
- 前辅文
- 第1章引言
  - 1.1 快速入门
  - 1.2 贝叶斯理论
  - 1.3 先验分布与后验分布
  - 1.4 模型检验
  - 1.5 模型选择
  - 1.6 假设检验
  - 1.7 贝叶斯计算
- 第2章 INLA理论
  - 2.1 潜在高斯模型(LGM)
  - 2.2 高斯–马尔可夫随机场(GMRF)
  - 2.3 拉普拉斯近似和INLA
  - 2.4 INLA问题
  - 2.5 扩展
- 第3章贝叶斯线性回归
  - 3.1 引言
  - 3.2 线性回归的贝叶斯推断
  - 3.3 预测
  - 3.4 模型选择和检验
  - 3.5 稳健回归
  - 3.6 方差分析
  - 3.7 多重共线性的岭回归
  - 3.8 具有自回归误差的回归模型
- 第4章广义线性模型
  - 4.1 GLM
  - 4.2 二元响应变量
  - 4.3 计数响应变量
  - 4.4 比率数据建模
  - 4.5 偏态数据的伽马回归
  - 4.6 比例响应变量
  - 4.7 零膨胀数据建模
- 第5章线性混合模型和广义线性混合模型
  - 5.1 线性混合模型
  - 5.2 单一随机效应
  - 5.3 纵向数据
  - 5.4 经典Z 矩阵模型
  - 5.5 广义线性混合模型
- 第6章生存分析
  - 6.1 引言
  - 6.2 半参数模型
  - 6.3 加速失效时间模型
  - 6.4 模型诊断
  - 6.5 区间删失数据
  - 6.6 脆弱性模型
  - 6.7 纵向数据和事件发生时间数据的联合建模
- 第7章基于光滑化方法的随机游动模型
  - 7.1 引言
  - 7.2 光滑样条
  - 7.3 薄板样条
  - 7.4 Besag 空间模型
  - 7.5 惩罚回归样条(P-样条)
  - 7.6 自适应光滑样条
  - 7.7 广义非参数回归模型
  - 7.8 不确定性偏移集
- 第8章高斯过程回归
  - 8.1 引言
  - 8.2 惩罚复杂性先验
  - 8.3 光滑度可信区间
  - 8.4 非平稳场
  - 8.5 具有不确定性的插值
  - 8.6 生存响应变量
- 第9章可加与广义可加模型
  - 9.1 可加模型
  - 9.2 广义可加模型
  - 9.3 广义可加混合模型
- 第10章自变量有误差的回归
  - 10.1 引言
  - 10.2 经典自变量有误差的模型
  - 10.3 自变量有Berkson误差的模型
- 第11章其他INLA主题
  - 11.1 样条与混合模型
  - 11.2 函数型数据的方差分析
  - 11.3 极值
  - 11.4 利用INLA进行密度估计
- 附录A 安装
- 附录B 线性回归中的无信息先验
- 参考文献
- 索引