顶部
  1. 首页
  2. 图书产品
  3. 基于R-INLA的空间与时空贝叶斯模型（Spatial and Spatio-Temporal Bayesian Models with R-INLA）
收藏

基于R-INLA的空间与时空贝叶斯模型（Spatial and Spatio-Temporal Bayesian Models with R-INLA）

样章
作者：
Marta Blangiardo，Michela Cameletti 著 汤银才，陈婉芳 译
定价：
99.00元
ISBN：
978-7-04-062566-0
版面字数：
410.000千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2024-09-27
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：
通用统计
暂无
  • 前辅文
  • 第1章 引言
    • 1.1 为什么要用空间与时空统计
    • 1.2 为什么要用贝叶斯方法给空间与时空结构建模
    • 1.3 为什么是INLA
    • 1.4 数据集
    • 参考文献
  • 第2章 R介绍
    • 2.1 R语言
    • 2.2 R对象
    • 2.3 数据与会话管理
    • 2.4 R软件包
    • 2.5 R编程
    • 2.6 基于R的基础统计分析
    • 参考文献
  • 第3章 贝叶斯方法介绍
    • 3.1 贝叶斯哲学
    • 3.2 概率基础
    • 3.3 贝叶斯定理
    • 3.4 先验与后验分布
    • 3.5 贝叶斯推断
    • 3.6 后验分布的使用
    • 3.7 选择先验分布
    • 参考文献
  • 第4章 贝叶斯计算
    • 4.1 蒙特卡罗积分
    • 4.2 贝叶斯推断的蒙特卡罗方法
    • 4.3 概率分布与R中的随机数生成
    • 4.4 蒙特卡罗模拟示例
    • 4.5 马氏链蒙特卡罗方法
    • 4.6 积分嵌套拉普拉斯近似算法
    • 4.7 拉普拉斯近似
    • 4.8 R-INLA包
    • 4.9 INLA工作原理: 逐步示例
    • 参考文献
  • 第5章 贝叶斯回归与分层模型
    • 5.1 线性回归
    • 5.2 非线性回归: 随机游动
    • 5.3 广义线性模型
    • 5.4 分层模型
    • 5.5 预测
    • 5.6 模型检查与模型选择
    • 参考文献
  • 第6章 空间建模
    • 6.1 区域数据—— GMRF
    • 6.2 生态回归
    • 6.3 零膨胀模型
    • 6.4 空间统计数据
    • 6.5 随机偏微分方程方法
    • 6.6 R-INLA中的SPDE
    • 6.7 模拟数据的SPDE简单示例
    • 6.8 通过inla.stack展示更高级运算
    • 6.9 平稳情况下的先验指定
    • 6.10 高斯响应的SPDE: 瑞士降雨量数据
    • 6.11 非正态结果的SPDE: 冈比亚的疟疾
    • 6.12 非平稳情况下的先验指定
    • 参考文献
  • 第7章 时空建模
    • 7.1 时空疾病制图
    • 7.2 颗粒物浓度的时空建模
    • 参考文献
  • 第8章 高级建模
    • 8.1 空间错位数据的二元模型
    • 8.2 日降雨量的半连续建模
    • 8.3 时空动态模型
    • 8.4 降低时间分辨率的时空模型
    • 参考文献