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
jie*9 小时前
小杰机器学习(nine)——支持向量机
人工智能·python·机器学习·支持向量机·回归·聚类·sklearn
xwz小王子17 小时前
OpenAI 回归机器人:想把大模型推向物理世界
数据挖掘·回归·机器人
憨憨爱编程2 天前
机器学习-单因子线性回归
人工智能·机器学习·线性回归
Lululaurel2 天前
一文详解回归分析的探索、分析、检验阶段,以Stata和SPSS为例
数据挖掘·数据分析·回归·统计
qianmo20212 天前
gpt-4o+deepseek+R生成热力图表
java·数据库·r语言
憨憨爱编程2 天前
机器学习-多因子线性回归
人工智能·机器学习·线性回归
陈天白2 天前
RNA-seq分析之最佳cutoff(TCGA版)
r语言·生物信息学·rna-seq
悟乙己2 天前
机器学习常见的分类与回归模型目标变量系统性设计与实践(一)
机器学习·分类·回归
Biomamba生信基地2 天前
挑战用R语言硬干一百万单细胞数据分析
开发语言·数据分析·r语言·生信·医药
HenrySmale12 天前
05 回归问题和分类问题
分类·数据挖掘·回归