基于INLA的贝叶斯推断

暂无相关简介，正在全力查找中！

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

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！