本书共分为七章，结构安排如下：第一章介绍研究背景、研究现状、研究方法与相关概念；第二章系统介绍Dirichlet过程及其拓展和应用，重点介绍基于经验似然的Dirichlet过程抽样算子和基于经验似然的Dirichlet过程混合模型，给出其处理分布函数约束条件的具体方法；第三章介绍纵向数据线性混合效应模型的半参数贝叶斯推断方法；第四章介绍带有AR(1)误差的纵向数据线性混合效应模型的半参数贝叶斯推断方法：第五章介绍纵向数据均值一协方差回归模型的半参数贝叶斯推断方法；第六章介绍纵向数据线性混合效应中位数回归模型的半参数贝叶斯推断方法；第七章总结概括本书的主要内容，探讨可进一步拓展的研究方向。
俞翰君，女，现为首都经济贸易大学统计学院讲师、硕士生导师，担任全国工业统计学教学研究会理事、副秘书长。2017年毕业于北京大学数学科学学院，获理学博士学位。主要研究领域为贝叶斯统计、纵向数据分析和生存分析，主持北京市自然科学基金青年项目和国家统计局全国统计科学研究项目，在国内外统计学期刊发表多篇学术论文。
第1章 绪论
1.1 纵向数据分析简介
1.1.1 混合效应模型
1.1.2 边际模型
1.2 研究方法及文献概述
1.2.1 频率方法
1.2.2 贝叶斯方法
1.3 本书主要内容
1.4 贝叶斯统计推断简介
1.5 MCMC方法简介
1.5.1 Gibbs抽样算法
1.5.2 Metropolis-Hastings抽样算法
1.5.3 收敛性诊断和后验推断
第2章 Dirichlet过程及其拓展
2.1 引言
2.2 Dirichlet过程
2.3 Dirichlet过程的等价表述
2.3.1 Polyaurn表达式
2.3.2 Stick-breaking表达式
2.4 混合Dirichlet过程
2.5 混合Dirichlet过程的后验抽样方法
2.5.1 基于Polyaurn表达式的后验抽样方法
2.5.2 基于stick-breaking表达式的后验抽样方法
2.6 Dirichlet过程的应用
2.7 带约束条件的Dirichlet过程
2.8 基于经验似然的Dirichlet过程混合模型
2.9 本章小结
第3章 纵向数据线性混合效应模型的半参数贝叶斯推断
3.1 引言
3.2 半参数贝叶斯模型的构造
3.3 后验推断的MCMC算法
3.4 随机模拟研究
3.4.1 正态随机效应
3.4.2 非正态随机效应
3.5 实例分析
3.6 本章小结
第4章 带有AR(1)误差的纵向数据线性混合效应模型的半参数贝叶斯推断
4.1 引言
4.2 半参数贝叶斯模型的构造
4.3 后验推断的MCMC算法
4.4 随机模拟研究
4.4.1 正态随机效应
4.4.2 非正态随机效应
4.5 实例分析
4.6 本章小结
第5章 纵向数据均值-协方差回归模型的半参数贝叶斯推断
5.1 引言
5.2 半参数贝叶斯模型的构造
5.3 后验推断的MCMC算法
5.4 随机模拟研究
5.5 实例分析
5.6 本章小结
第6章 纵向数据线性混合效应中位数回归模型的半参数贝叶斯推断
6.1 引言
6.2 半参数贝叶斯模型的构造
6.3 后验推断的MCMC算法
6.4 随机模拟研究
6.4.1 正态随机效应
6.4.2 非正态随机效应
6.5 实例分析
6.6 本章小结
第7章 总结与展望
参考文献
书单推荐
