非参数贝叶斯推断

彼得·米勒和阿贝尔·罗德里格斯

在以下位置查看此卷：
欧几里德项目

这些笔记来源于2010年夏天在加州大学圣克鲁斯分校的一个短期课程。与本课程一样，这些注释提供了一些流行的贝叶斯非参数（BNP）概率模型的概述。讨论遵循了许多常用的非参数贝叶斯模型的逻辑发展，这些模型是Dirichlet过程（DP）在不同方向上的推广，包括Pólya树（PT）模型、物种抽样模型（SSM）、相关DP（DDP）模型和产品分块模型（PPM）。主题的选择是主观的，只是由作者熟悉的内容驱动。因此，一些有用且优雅的模型类别，例如具有随机增量的规范化随机测度（NRMI），仅作简要回顾。

纵向和聚类相关数据分析

Nan Laird，哈佛大学

在以下位置查看此卷：
欧几里德项目

在过去的二十年中，对数据的分析以及对每一个主题反复测量的结果经历了几次变革性的发展。本专著对这一时期发展起来的纵向和/或相关数据的现代方法进行了统一处理。作者对纵向数据建模的基本方法是将熟悉的单变量回归模型扩展到多元或相关结果。作者讨论了测量数据的线性模型和二进制和计数数据的广义线性模型。作者展示了方法如何适应缺失的结果和/或不平衡的设计。包括估计的似然和矩方法，以及数据建模和参数估计的随机效应方法。这本专著假设读者在统计推断、线性和广义线性回归模型以及多元方法的基本知识方面有坚实的基础。它适用于统计学/生物统计学的二年级博士生或博士后，以及有兴趣了解该领域的研究人员或教师。

广义线性混合模型

查尔斯·麦卡洛赫（Charles E.McCulloch）

在以下位置查看此卷：
欧几里德项目

广义线性混合模型探讨了将随机因素纳入广义线性模型的统计模型的思想。这包括相关数据、非线性模型和非正态分布响应。这本专著阐述了在为各种数据集拟合这些模型时可能的推理目标和计算细节的丰富性。

家谱遗传数据的统计推断

伊丽莎白·汤普森

在以下位置查看此卷：
欧几里德项目

这本专著发展了用于分析遗传数据的概率模型和统计方法。从蒙特卡洛似然估计的基本思想到最近的发展，重点是简单性状，但多个遗传位点。

混合模型：理论、几何与应用

布鲁斯·林赛

在以下位置查看此卷：
欧几里德项目

这些课堂讲稿为包含未知分布的统计模型发展了一般半参数理论，并应用于随机效应、过度分散和更多领域。这些讲座最初是在1993年5月于南卡罗来纳大学举行的国家科学基金会-哥伦比亚医学院区域会议上发表的。

高阶渐近

杰扬特·戈什（Jayant K.Ghosh）

在以下位置查看此卷：
欧几里德项目

这些课堂讲稿涉及Edgeworth展开；高阶效率、后验展开、概率匹配先验及相关课题。这些讲座最初于1991年8月在北卡罗来纳州教堂山举行的NSF-CBMS区域会议上发表。

随机曲线估计

默里·罗森布拉特

在以下位置查看此卷：
欧几里德项目

这些课堂讲稿涉及观察值相关时的概率密度或回归函数估计。这些讲座最初于1989年6月在加州大学戴维斯分校举行的国家科学基金会-哥伦比亚医学院区域会议上发表。

经验过程：理论与应用

大卫·卜立德

在以下位置查看此卷：
欧几里德项目

这些课堂讲稿介绍了抽象经验过程理论的一些理论发展，并通过示例说明了它们的应用。这些讲座最初于1988年7月在爱荷华州大学举行的国家科学基金会CBMS区域会议上发表。

群不变性在统计学中的应用

莫里斯·L·伊顿

在以下位置查看此卷：
欧几里德项目

这些课堂讲稿讨论了统计学应用中的不变性问题。这些讲座最初是在1987年6月于密歇根大学举行的国家科学基金会CBMS区域会议上提出的。