基于INLA的贝叶斯推断（Bayesian inference with INLA）

　　积分嵌套拉普拉斯近似（Integrated Nested Laplace Approximation，INLA）是一种新的近似贝叶斯计算方法，相比传统的马尔可夫链蒙特卡罗（MCMC）方法，它可以高效地拟合多种贝叶斯模型。INLA旨在解决潜在高斯马尔可夫随机场模型参数的边际推断，利用模型中潜在变量的条件独立性来提高计算速度。 《基于INLA的贝叶斯推断》提供了便于实施模型拟合的R包及其使用指南。本书介绍了INLA算法的基本原理以及如何用与其相关的R包拟合一大类模型，涵盖的主题包括混合效应模型、多层次模型、空间和时间模型、平滑方法、生存分析、缺失值的插补，以及混合模型。本书讨论了INLA包的高级功能以及如何扩展先验和INLA包中可用的潜在模型。书中的所有例子都是完全可复现的，数据集和R代码可通过扫描封底二维码获得。 这本书的例子涵盖了生物统计学、计量经济学、教育、环境科学、流行病学、公共卫生和社会科学等主题。这将有助于来自不同领域、在贝叶斯推理方面有一定背景的研究人员，应用INLA方法解决他们工作中遇到的问题。

暂缺《基于INLA的贝叶斯推断（Bayesian inference with INLA）》作者简介