斯帕耶斯

spBayes:一个用于单变量和多变量层次点参考空间模型的R包。在地质和环境科学、生态学、林业、疾病测绘和经济学等不同领域的科学家和研究人员经常会遇到在研究区域内一组固定位置(纬度-经度、东-北向等)收集的空间参考数据。这类点参考或地质统计学数据通常最好用贝叶斯层次模型进行分析。不幸的是,拟合这些模型涉及计算密集的马尔可夫链蒙特卡罗(MCMC)方法,其效率取决于手头的具体问题。这就要求用户进行大量的编码,而这种算法缺乏可用的软件对这种情况没有帮助。在这里,我们介绍了一个统计软件包spBayes,它建立在R统计计算平台上,它实现了一个通用模板,包括单变量和多变量点参考数据的各种高斯空间过程模型。我们讨论了我们的软件包背后的算法,并用一个合成的和真实的数据示例说明了它的使用。


zbMATH中的参考文献(引用于 325篇文章,1标准件)

显示325的结果1到20。
按年份排序(引用)

1 2 ... 15 16 17 下一个

  1. Andrew Finley,Abhirup Datta,Sudipto Banerjee:最近邻高斯过程模型的R包(2020)阿尔十四
  2. Bakar,K.Shuvo:使用截尾贝叶斯空间变化模型对日降雨量数据进行插值(2020年)
  3. Banerjee,Trambak;Mukherjee,Gourab;Dutta,Shantanu;Ghosh,Pulak:用于预测用户活动、参与度和用户流失的大规模受限联合建模方法(2020年)
  4. Heaton,Matthew J.;Berrett,Candace;Pugh,Sierra;Evans,Amber;Sloan,Chantel:时空不确定性下毛细支气管炎发病率比例的建模(2020年)
  5. Horváth,Lajos;Kokoszka,Piotr;Wang,Shixuan:在多元网格上检验数据的正态性(2020)
  6. 黄丹阳;王飞飞;朱学宁;王汉生:大规模网络的双模网络自回归模型(2020)
  7. 赖志伟;黄新成:基于区域聚集数据的空间点过程强度估计(2020)
  8. 拉西尼奥,乔瓦纳·乔纳;桑托罗,马里奥;马斯特兰托尼奥,吉安卢卡:循环时空:循环数据时空建模的R包(2020年)
  9. Martínez Hernández,以色列;Genton,Marc G.:复杂和空间相关功能数据的最新发展(2020年)
  10. Sofro,A'yunin;Shi,Jian Qing;Cao,Chunzheng:使用卷积高斯过程对计数的多元过程数据进行回归分析(2020)
  11. Sugasawa,Shonosuke:一般参数的小面积估计:贝叶斯变换空间预测方法(2020)
  12. Thach,Tien T.;Bris,Radim;Volf,Petr;Coolen,Frank P.A.:非线性失效率:采用哈密顿蒙特卡罗模拟的Bayes研究(2020年)
  13. Torabi,Mahmoud;Jiang,Jimming:线性混合模型下经验空间均值预测误差的估计(2020)
  14. 王江燕;曹冠群;王莉;杨立坚:稠密函数数据平稳协方差函数的同时置信区间(2020)
  15. 王文佳;涂睿;吴志刚:克里金的预测性质:一致误差界与稳健性(2020)
  16. Warren,Joshua L.:点源驱动过程的非平稳空间协方差模型(2020)
  17. 克劳迪娅·韦尔哈恩(Wehrhahn),塞缪尔·伦纳德(Leonard),罗德里格斯(Rodriguez),阿贝尔(Abel),希法拉(Xifara),塔蒂安娜(Tatiana):使用受限中餐馆流程进行疾病聚集的贝叶斯方法(2020年)
  18. 严,元;郑在红;根顿,马克G.:多元转换高斯过程(2020)
  19. 朱雪宁;黄丹阳;潘睿;王汉生:大规模社交网络的多元空间自回归模型(2020)
  20. Balocchi,Cecilia;Jensen,Shane T.:费城犯罪趋势的空间建模(2019年)

1 2 ... 15 16 17 下一个