基于R-INLA的空间与时空贝叶斯模型（Spatial and Spatio-Temporal Bayesian Models with R-INLA）
作者： Marta Blangiardo，Michela Cameletti 著 汤银才，陈婉芳 译
出版时间：2024-09-27
出版社：高等教育出版社
- 高等教育出版社
- 9787040625660
- 1
- 529170
- 平装
- 16开
- 2024-09-27
- 410
- 312
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
