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。


zbMATH中的参考文献(参考文献23条,1标准件)

显示第1到第20个结果,共23个。
按年份排序(引用)
  1. Bürkner,保罗·克里斯蒂安;加布里,约拿;avhtari,Aki:贝叶斯非因式正态模型和student-(t)模型的有效漏检交叉验证(2021)
  2. Ryan Hornby,Jingchen Hu:用AttributeRiskCalculation R包对合成数据中属性披露风险的贝叶斯估计(2021)阿尔十四
  3. 丹尼尔:R紧凑型。数据分析快速入门(2021)
  4. Aaron Cochrane:TEfits:时间演化指数的非线性回归(2020)不是zbMATH
  5. 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
  6. 克里斯滕森,西蒙·邦;桑德伯格,克里斯蒂安;Bibby,Bo Martin:元认知敏感性的回归方法(2020)
  7. 麦克马纳斯,斯科特;拉赫曼,亚齐祖;奥尔塔,安娜;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)
  8. Piironen,Juho;帕西尼米,马库斯;Vehtari,Aki:高维问题中的投影推理:预测和特征选择(2020)
  9. Rainer Hirk,Kurt Hornik,Laura Vana:mvord:拟合多元有序回归模型的R包(2020)不是zbMATH
  10. Tomás Capretto,Camen Piho,Ravin Kumar,Jacob Westfall,Tal Yarkoni,Osvaldo A.Martin:Bambi:在Python中拟合贝叶斯线性模型的简单接口(2020)阿尔十四
  11. 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
  12. 埃尔巴希尔,尤斯拉;Davidson,Anthony C.:广义加性模型的快速自动平滑(2019)
  13. Haziq Jamil,Wicher Bergsma:iprior:使用I-priors进行回归建模的R包(2019年)阿尔十四
  14. 洪,麦克斯韦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)
  15. 萨德尔,帕特里克;考威尔,罗斯玛丽A。;Huber,David E.:在分解主题、项目和试验级依赖性时评估单调性的层次贝叶斯状态跟踪分析(2019)
  16. 宋吉珠;崔泰良;贝姆霍公园;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)不是zbMATH
  17. 沙娜·斯科金;约翰内斯·卡雷思;安德烈亚斯·贝格;Rob Williams:BayesPostEst:R包,用于生成贝叶斯MCMC估计的后估计量(2019年)不是zbMATH
  18. 田中,百代;Hui,Francis K.C.:线性混合模型的符号公式(2019)
  19. 凡Erp,萨拉;奥伯斯基,丹尼尔L。;Mulder,Joris:贝叶斯惩罚回归的收缩先验(2019)
  20. Adam Peterson,Brisa Sanchez:rstap:时空聚合预测模型的R包(2018)阿尔十四