斯巴耶斯

SPAYES:一个单变量和多变量分层参考点空间模型的R包。在地质和环境科学、生态学、林业、疾病制图和经济学等不同领域的科学家和研究人员经常会在一组固定的位置上收集空间参考数据,这些坐标在研究区域中具有坐标(纬度-经度,EASTE - NoTeN等)。这样的点参考或地质统计数据往往是最好的贝叶斯层次模型分析。不幸的是,拟合这样的模型涉及计算密集型马尔可夫链Monte Carlo(MCMC)方法,其效率取决于手上的具体问题。这需要对用户的一部分进行广泛的编码,并且这种算法缺乏可用的软件对情况没有帮助。在这里,我们介绍一个统计软件包,SPBayes,建立在R统计计算平台,实现了一个广义模板涵盖了各种各样的高斯空间过程模型的单变量以及多元点参考数据。我们讨论了我们的包背后的算法,并说明其使用的合成和真实数据的例子。


ZBMaX中的参考文献(281篇)1标准条款

显示结果1至20的281。
按年份排序(引文
  1. Andrew Finley,Abhirup Datta,Sudipto Banerjee:最近邻高斯过程模型的R包(2020)阿西夫
  2. 王,姜堰;曹,关群;王,李;杨,Lijian:稠密泛函数据平稳协方差函数的同时置信带(2020)
  3. Balocchi、塞西莉亚、延森、Shane T.:费城犯罪随时间变化趋势的空间模型(2019)
  4. Barber,沙维尔;科内萨,戴维;L·Pez Quier-Lez,安东尼奥;莫拉莱斯,哈维尔:多元生物气候指数模型:一种共中心化方法(2019)
  5. 布兰森,扎克;RISCHARD,Maxime;Bornn,卢克;MalaTrimes,Luke W.:回归间断设计的非参数贝叶斯方法(2019)
  6. 卡塞斯,阿尔伯托;朱,Weixuan;Gunina,米歇尔;VANUCCI,MARINA:动态模型选择之前的贝叶斯非参数尖峰过程(2019)
  7. Daniel Turek,Mark Risser:贝叶斯非平稳高斯过程建模:R(2019)的Bayes NSGP包阿西夫
  8. 达塔,Abhirup;班纳吉,Sudipto;霍奇,James S.;高,Leiwen:使用有向无环图自回归模型(DAAR)模型进行空间疾病映射(2019)
  9. Franco Villoria,玛丽亚;WestuCi,马西莫;Rue,H.VARAR:贝叶斯变系数模型的统一视图(2019)
  10. Gouri E. Roux,C.;蒙福尔,A.;Zako -伊安,J.M.:一致伪极大似然估计和变换群(2019)
  11. Guhaniyogi,Rajarshi,BANEJEE,Sudipto:多元空间元克里格(2019)
  12. 希顿,Matthew J.;Abhirup Datta;芬利,Andrew O.;福雷尔,莱因哈德;吉尼斯,约瑟夫;Guhanij瑜伽,Rajarshi;格伯,弗洛里安;Pig,Oy;Hammerling,DelIT;KasZfsS,Y.;NyChka,Y.;Sun,Y.;^,Y:在大空间数据分析方法之间的个案研究竞争(2019)
  13. 黄,燕宁;Reich,Brian J.;富恩特斯,普利茅斯;SunkasuuBrabia.,A:完全空间模型校准(2019)
  14. Hwang,扬德克;基姆,Hang J.;常,韩元;Yeo,Kyongmin;基姆,Yongku:贝叶斯物理污染源识别的逆物理模型(2019)
  15. 约翰逊,玛格丽特;Caliga,Petri u A;Meiring,温迪;JeaaNaStun,C.;阿特金森,Peter M.:遥感数据物候事件估计的贝叶斯动态线性模型(2019)
  16. Keefe,Matthew J.;费雷拉,Marco A. R.;Frangk,Christopher T.:具有内在条件自回归先验的高斯层次模型的贝叶斯分析(2019)
  17. 拉各斯-Lavaz,伯纳多;帕迪拉,列奥纳多;Mateu,豪尔赫;费雷拉,吉列尔莫:一种自回归结构估计和预测空时数据的Kalman滤波方法(2019)
  18. 梁,Waley W. J.;李,Herbert K. H.:基于树过程卷积的贝叶斯非平稳高斯过程模型(2019)
  19. 李,Linyuan;卢,Kewei;萧,伊敏:高斯随机域固定设计回归中的小波阈值(2019)
  20. 李,妙琦;Kang,Emily L.:大规模网络最大似然估计的空间自回归模型随机化算法(2019)