基于R语言的现代贝叶斯统计学方法(贝叶斯参数估计、贝叶斯回归、贝叶斯计算实践过程

专题一 贝叶斯统计学的思想与概念

1.1 信念函数与概率

1.2 事件划分与贝叶斯法则

1.3 稀少事件的概率估计

1.4 可交换性

1.5 预测模型的构建

专题二 单参数模型

2.1 二项式模型与置信域

2.2 泊松模型与后验分布

2.3 指数族模型与共轭先验

专题三 蒙特卡罗逼近

3.1 蒙特卡罗方法

3.2 任意函数的后验推断

3.3 预测分布采样

3.4 后验模型检验

专题四 正态模型

4.1 均值与条件方差的推断

4.2 基于数学期望的先验

4.3非正态分布的正态模型

专题五 吉布斯采样

5.1 半共轭先验分布

5.2 离散近似

5.3 条件分布中的采样

5.4 吉布斯采样算法及其性质

5.5 MCMC方法

专题六 多元正态分布与组比较

6.1 多元正态分布的密度

6.2 均值的半共轭先验

6.3 逆-Wishart分布

6.4 缺失数据与贝叶斯插补

6.5 组间比较

6.6分层模型的均值与方差

专题七 线性回归

7.1 回归的本质与最小二乘法

7.2 回归的贝叶斯估计

7.3 模型的贝叶斯比较

7.4 吉布斯采样与模型平均

7.5 指数模型比较与选择

7.6 总结与结论

7.7 Python的Copula相关包介绍

专题八 非共轭先验与M-H算法

8.1 广义线性模型

8.2 泊松模型Metropolis算法

8.3 Metropolis-Hastings算法

8.4 M-H算法与吉布斯采样的组合

专题九 线性与广义线性混合效应模型

9.1 多层回归模型

9.2 全条件分布

9.3 广义线性混合效应模型

专题十 有序数据的隐变量模型

10.1 有序Probit回归

10.2 秩的似然

10.3 高斯Copula模型

相关推荐
西猫雷婶2 小时前
神经网络|(十九)概率论基础知识-伽马函数·下
人工智能·深度学习·神经网络·机器学习·回归·scikit-learn·概率论
数据科学作家1 天前
0基础怎么学习数据分析、统计分析、机器学习?数学不好、一看编程就头疼,能行吗?
python·数据分析·统计分析·stata·spss·统计学·计量经济学
XZSSWJS1 天前
机器学习基础-day03-机器学习中的线性回归
人工智能·机器学习·线性回归
XZSSWJS1 天前
机器学习基础-day04-数学方法实现线性回归
人工智能·机器学习·线性回归
Tiger Z1 天前
《R for Data Science (2e)》免费中文翻译 (第7章) --- Data import(1)
r语言·数据科学·中文翻译
CH3_CH2_CHO1 天前
DAY02:【DL 第一弹】pytorch
人工智能·pytorch·python·深度学习·回归
骑驴看星星a1 天前
皮尔逊相关(Pearson)和斯皮尔曼相关(Spearman)显著性检验
算法·数学建模·回归·线性回归
l12345sy2 天前
Day19_【机器学习—线性回归 (2)—损失函数、梯度下降法】
人工智能·机器学习·线性回归·梯度下降法·损失函数
魔力之心2 天前
R notes[2]
开发语言·r语言
做科研的周师兄2 天前
【机器学习入门】5.4 线性回归模型的应用——从CO₂浓度预测学透实战全流程
java·大数据·数据库·人工智能·机器学习·回归·线性回归