基於INLA的貝葉斯推斷 維吉爾.戈麥斯-盧比奧 9787040608199 【台灣高等教育出版社】

內容簡介
積分嵌套拉普拉斯近似（Integrated Nested Laplace Approximation，INLA）是一種新的近似貝葉斯計算方法，相比傳統的馬爾可夫鏈蒙特卡羅（MCMC）方法，它可以高效地擬合多種貝葉斯模型。INLA旨在解決潛在高斯馬爾可夫隨機場模型參數的邊際推斷，利用模型中潛在變數的條件獨立性來提高計算速度。
《基於INLA的貝葉斯推斷》提供了便於實施模型擬合的R包及其使用指南。本書介紹了INLA演算法的基本原理以及如何用與其相關的R包擬合一大類模型，涵蓋的主題包括混合效應模型、多層次模型、空間和時間模型、平滑方法、生存分析、缺失值的插補，以及混合模型。本書討論了INLA包的高級功能以及如何擴展先驗和INLA包中可用的潛在模型。書中的所有例子都是完全可復現的，數據集和R代碼可通過掃描封底二維碼獲得。
這本書的例子涵蓋了生物統計學、計量經濟學、教育、環境科學、流行病學、公共衛生和社會科學等主題。這將有助於來自不同領域、在貝葉斯推理方面有一定背景的研究人員，應用INLA方法解決他們工作中遇到的問題。