| 前言符号缩写及说明第1章 贝叶斯统计计算1.1 贝叶斯理论1.2 随机数的生成1.2.1 逆变换法1.2.2 合成抽样1.2.3 筛选抽样1.2.4 正态分布抽样1.2.5 随机向量抽样1.3 Monte Carlo计算1.3.1 随机投点法1.3.2 样本平均值法1.3.3 重要抽样法1.3.4 分层抽样法1.3.5 关联抽样法1.4 MCMC计算1.4.1 Markov链1.4.2 完全条件分布1.4.3 MH抽样1.4.4 Gibbs抽样1.4.5 G-R收敛性诊断1.4.6 贝叶斯计算软件第2章 统计分布理论2.1 伽玛分布族2.1.1 伽玛分布2.1.2 逆伽玛分布2.2 正态分布族2.2.1 正态分布2.2.2 多元正态分布2.2.3 矩阵正态分布2.3 Wishart分布族2.3.1 Wishart分布2.3.2 逆Wishart分布2.4 t分布族2.4.1 t分布2.4.2 多元t分布2.4.3 矩阵t分布2.4.4 逆矩阵t分布第3章 贝叶斯决策理论3.1 位置一尺度参数的扩散先验分布3.1.1 位置参数的扩散先验分布3.1.2 尺度参数的扩散先验分布3.1.3 位置一尺度参数的联合扩散先验分布3.2 共轭先验分布3.3 贝叶斯风险决策解3.3.1 单参数的贝叶斯风险决策解3.3.2 随机参数向量的贝叶斯风险决策解3.3.3 矩阵损失函数与随机参数矩阵的贝叶斯风险决策解第4章 贝叶斯线性回归模型4.1 贝叶斯多元线性回归模型4.1.1 模型结构分析4.1.2 参数分量的后验分布4.1.3 部分参数的联合后验分布4.1.4 方差的后验分布4.1.5 设计阵奇异模型的贝叶斯分析4.2 参数线性假设的贝叶斯检验4.3 随机误差序列自相关的贝叶斯诊断方法4.3.1 引言4.3.2 后验条件分布4.3.3 贝叶斯检验与区间估计4.3.4 数值算例 |
内容加载中，请稍后...
商品评论（0条）