机读格式显示(MARC)

• 000 01787nam 2200313 450

• 001 0000481260

• 005 20241030101800.0

• 010 __ |a 978-7-04-060819-9 |d CNY89.00

• 100 __ |a 20230825d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 001yy

• 106 __ |a r

• 200 1_ |a 基于INLA的贝叶斯推断 |A ji yu INLA de bei ye si tui duan |d = Bayesian inference with INLA |f Virgilio Gomez-Rubio著 |g 汤银才, 周世荣译 |z eng

• 210 __ |a 北京 |c 高等教育出版社 |d 2023

• 215 __ |a 330页, [13] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 应用统计学丛书 |A ying yong tong ji xue cong shu |v 32

• 314 __ |a 责任者规范者Virgilio Gomez-Rubio汉译姓名: 维吉尔·戈麦斯-卢比奥

• 320 __ |a 有书目 (第319-326页) 和索引

• 330 __ |a 本书主要内容: 积分嵌套拉普拉斯近似 (Integrated Nested Laplace Approximation, INLA) 是一种新的近似贝叶斯计算方法, 相比传统的马尔可夫链蒙特卡罗 (MCMC) 方法, 它可以高效地拟合多种贝叶斯模型。INLA旨在解决潜在高斯马尔可夫随机场模型参数的边际推断, 利用模型中潜在变量的条件独立性来提高计算速度。《基于INLA的贝叶斯推断》提供了便于实施模型拟合的R包及其使用指南。本书介绍了INLA算法的基本原理以及如何用与其相关的R包拟合一大类模型, 涵盖的主题包括混合效应模型、多层次模型、空间和时间模型、平滑方法、生存分析、缺失值的插补, 以及混合模型。本书讨论了INLA包的高级功能以及如何扩展先验和INLA包中可用的潜在模型。书中的所有例子都是完全可复现的, 数据集和R代码可通过扫描封底二维码获得。

• 410 _0 |1 2001 |a 应用统计学丛书 |v 32

• 510 1_ |a Bayesian inference with INLA |z eng

• 606 0_ |a 贝叶斯推断 |A bei ye si tui duan

• 690 __ |a O212 |v 5

• 701 _0 |a 戈麦斯-卢比奥 |A ge mai si -lu bi ao |g (Gomez-Rubio, Virgilio) |4 著

• 702 _0 |a 汤银才 |A tang yin cai |4 译

• 702 _0 |a 周世荣 |A zhou shi rong |4 译

• 801 _0 |a CN |b 湖北三新 |c 20230825

• 905 __ |a AUSTL |d O212/G531