购物车中还没有商品,赶紧选购吧!
基于INLA的贝叶斯回归建模 Xiaofeng Wang, Yu Ryan Yue, Julian J. Faraway 著, 汤银才,周世荣 译 高等教育出版社
商品价格
定价
手机购买
商品二维码
配送
北京市
数量

推荐商品

  • 商品详情
手机购买
商品二维码
加入购物车
价格:
数量:
库存   个

商品详情

商品名称:基于INLA的贝叶斯回归建模
ISBN:9787040610079
出版社:高等教育出版社
出版年月:2024-04
作者:Xiaofeng Wang, Yu Ry
定价:89.00
页码:344
装帧:平装
版次:1
字数:430
开本
套装书:否

积分嵌套拉普拉斯近似 (Integrated Nested Laplace Approximations,INLA) 是拟合一大类贝叶斯回归模型的新方法。使用INLA无须抽取边际后验分布的样本,因此在计算上它是贝叶斯推断标准工具马尔可夫链蒙特卡罗 (MCMC) 方法的简单易用的替代方案。 本书涵盖了各种现代回归模型,着重介绍了如何使用实际数据构建贝叶斯模型并评估其有效性。全书的一个关键主题是通过可复制的研究来展示理论与实践之间的相互作用。每个示例都提供了完整的R命令,并且本书的网站包含了书中描述的所有数据,还提供了一个可下载的R软件包。 本书适合于具有基本统计理论和贝叶斯方法知识的读者阅读,可以帮助他们了解基于INLA进行贝叶斯推断的最新进展,并为复杂的实际工作做好准备。

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

对比栏

1

您还可以继续添加

2

您还可以继续添加

3

您还可以继续添加

4

您还可以继续添加