前言
符号缩写及说明
第1章 贝叶斯统计计算
1.1 贝叶斯理论
1.2 随机数的生成
1.2.1 逆变换法
1.2.2 合成抽样
1.2.3 筛选抽样
1.2.4 正态分布抽样
1.2.5 随机向量抽样
1.3 Monte Carlo计算
1.3.1 随机投点法
1.3.2 样本平均值法
1.3.3 重要抽样法
1.3.4 分层抽样法
1.3.5 关联抽样法
1.4 MCMC计算
1.4.1 Markov链
1.4.2 完全条件分布
1.4.3 MH抽样
1.4.4 Gibbs抽样
1.4.5 G-R收敛性诊断
1.4.6 贝叶斯计算软件
第2章 统计分布理论
2.1 伽玛分布族
2.1.1 伽玛分布
2.1.2 逆伽玛分布
2.2 正态分布族
2.2.1 正态分布
2.2.2 多元正态分布
2.2.3 矩阵正态分布
2.3 Wishart分布族
2.3.1 Wishart分布
2.3.2 逆Wishart分布
2.4 t分布族
2.4.1 t分布
2.4.2 多元t分布
2.4.3 矩阵t分布
2.4.4 逆矩阵t分布
第3章 贝叶斯决策理论
3.1 位置一尺度参数的扩散先验分布
3.1.1 位置参数的扩散先验分布
3.1.2 尺度参数的扩散先验分布
3.1.3 位置一尺度参数的联合扩散先验分布
3.2 共轭先验分布
3.3 贝叶斯风险决策解
3.3.1 单参数的贝叶斯风险决策解
3.3.2 随机参数向量的贝叶斯风险决策解
3.3.3 矩阵损失函数与随机参数矩阵的贝叶斯风险决策解
第4章 贝叶斯线性回归模型
4.1 贝叶斯多元线性回归模型
4.1.1 模型结构分析
4.1.2 参数分量的后验分布
4.1.3 部分参数的联合后验分布
4.1.4 方差的后验分布
4.1.5 设计阵奇异模型的贝叶斯分析
4.2 参数线性假设的贝叶斯检验
4.3 随机误差序列自相关的贝叶斯诊断方法
4.3.1 引言
4.3.2 后验条件分布
4.3.3 贝叶斯检验与区间估计
4.3.4 数值算例
……
第5章 贝叶斯自回归移动平均模型
第6章 贝叶斯向量自回归模型
第7章 贝叶斯自回归条件异方差模型
第8章 贝叶斯随机波动模型
参考文献
· · · · · · (收起)