brms公司

R包brms。brms:使用Stan的贝叶斯回归模型。使用Stan拟合贝叶斯广义(非线性)多层模型进行全贝叶斯推理。支持广泛的分布和链接函数,允许用户在多层次上下文中拟合线性、鲁棒线性、二项、泊松、生存、响应时间、序数、零膨胀、障碍甚至非线性模型。进一步的建模选项包括自相关和平滑项、用户定义的依赖结构、删失数据、元分析标准误差等。此外,还可以预测响应分布的所有参数,以便进行分布回归。先验规范是灵活的,它明确地鼓励用户应用实际反映其信念的先验分布。此外,模型拟合度可以很容易地进行评估,并与后验预测检查进行比较,而不必进行交叉验证。


参考文献,1标准件)

显示第1至19个结果,共19个。
按年份排序(引用)

  1. Aaron Cochrane:TEfits:时间演化指数的非线性回归(2020)不是zbMATH
  2. Izhar Asael Alonzo Matamoros,Cristian Andres Cruz Torres:varstan:An R package for Bayesian analysis of structured time series models with Stan(2020年)阿尔十四
  3. 克里斯滕森(Simon Bang);桑德伯格(Sandberg),克里斯汀(Kristian);比比(Bibby),博马丁(Bo Martin):元认知敏感性的回归方法(2020年)
  4. McManus,Scott;Rahman,Azizur;Horta,Ana;Coombes,Jacqueline:用于评估空间域解释不确定性的应用贝叶斯模型(2020年)
  5. Piironen,Juho;Paasiniemi,Markus;Vehtari,Aki:高维问题中的投射推理:预测和特征选择(2020)
  6. Rainer Hirk,Kurt Hornik,Laura Vana:mvord:拟合多元有序回归模型的R包(2020)不是zbMATH
  7. Dominique Makowski,Mattan S.Ben Shachar,Daniel Lüdecke:Bayeststr:在贝叶斯框架内描述效应及其不确定性、存在性和重要性(2019)不是zbMATH
  8. El Bachir,Yousra;Davison,Anthony C.:广义加性模型的快速自动平滑(2019)
  9. Haziq Jamil,Wicher Bergsma:iprior:使用I-priors进行回归建模的R包(2019年)阿尔十四
  10. Hong,Maxwell R.;Jacobucci,Ross:书评:K.J.Grimm等人,《增长模型》。结构方程和多级建模方法(2019)
  11. Sadil,Patrick;Cowell,Rosemary A.;Huber,David E.:用于评估单调性的分层贝叶斯状态跟踪分析,同时考虑主题、项目和试验级依赖性(2019年)
  12. Seongil Jo;Taeryon Choi;Beomjo Park;Peter Lenk:bsamGP:使用高斯过程先验的贝叶斯光谱分析模型的R包(2019年)不是zbMATH
  13. Shana Scogin;Johannes Karreth;Andreas Beger;Rob Williams:BayesPostEst:生成贝叶斯MCMC估计后估计量的R包(2019年)不是zbMATH
  14. 田中,Emi;Hui,Francis K.C.:线性混合模型的符号公式(2019)
  15. van Erp,Sara;Oberski,Daniel L.;Mulder,Joris:贝叶斯惩罚回归的收缩先验(2019年)
  16. Adam Peterson,Brisa Sanchez:rstap:时空聚合预测模型的R包(2018)阿尔十四
  17. Paul Christian Buerkner:R包brms的贝叶斯分布非线性多层建模(2017)阿尔十四
  18. Paul Christian Bürkner:brms:Stan用于贝叶斯多级模型的R包(2017)不是zbMATH
  19. Xavier Fernández-i-Marín:GGMCC:MCMC样本分析和贝叶斯推断(2016)不是zbMATH