1.贝叶斯定理
2.先验与后验分布
3.假设检验
4.模型选择
5.贝叶斯计算方法
二:积分嵌套拉普斯近似
1.隐高斯模型
2.高斯-马尔科夫随机场
3.拉普拉斯近似与INLA
三:INLA下的贝叶斯回归(一)
1.线性回归的贝叶斯推断
2.预测模型
3.贝叶斯下的模型选择
4.稳定回归
5.方差分析
四:INLA下的贝叶斯回归(二)
1.Ridge回归
2.计数数据与泊松回归
3.偏斜数据的伽马回归
4.零膨胀数据建模
5.负二项回归初步
五:多层贝叶斯回归
1.随机效应多层模型
2.嵌套效应多层模型
3.面板(测量)数据的多层模型
4.计数数据的多层模型
六:生存分析
1.分段线性风险模型
2. 分层比例风险模型
3. 加速失效模型
4. 脆弱模型
5. 面板与时间-事件数据的联合建模
七:随机游走非参数模型
1.光滑曲线模型
2.非高斯数据模型
3.罚曲线回归
4.广义非参数回归
八:广义可加模型
1.可加曲线回归
2.广义可加混合效应模型
3.计数数据的广义可加模型
九:极端数据的贝叶斯分析与其它
1.极值统计学
2.极值统计学的贝叶斯估计
3.基于INLA的密度估计
标签:分析,INLA,模型,贝叶斯,广义,数据,回归 From: https://blog.csdn.net/2401_87727806/article/details/143475583