机读格式显示(MARC)

• 000 02063nam 2200337 450

• 001 0000474855

• 005 20250306155400.0

• 010 __ |a 978-7-04-061261-5 |d CNY79.00

• 099 __ |a CAL 012024006446

• 100 __ |a 20231222d2023 em y0chiy50 ea

• 101 1_ |a chi |c por

• 102 __ |a CN |b 110000

• 105 __ |a af a 001yy

• 106 __ |a r

• 200 1_ |a 基于R-INLA的SPDE空间模型的高级分析 |A ji yu R-INLAde SPDE kong jian mo xing de gao ji fen xi |d = Advanced spatial modeling with stochastic partial differential equations using R and INLA |f Elias Krainski...[等]著 |g 汤银才, 陈婉芳译 |z eng

• 210 __ |a 北京 |c 高等教育出版社 |d 2024

• 215 __ |a 259页, [24] 页图版 |c 图 |d 26cm

• 225 2_ |a 应用统计学丛书 |A ying yong tong ji xue cong shu |v 30

• 304 __ |a 题名页题其余责任者: Virgilio Gomez-Rubio, Haakon Bakka, Amanda Lenzi, Daniela Castro-Camilo, Daniel Simpson等

• 320 __ |a 有书目 (第249-255页) 和索引

• 330 __ |a 本书详细阐述了随机偏微分方程 (SPDE) 方法用于带有Matérn协方差结构的连续空间过程的建模。该方法已经在R-INLA软件包中采用集成嵌套拉普拉斯逼近 (INLA) 技术进行实现。本书通过使用模拟数据和真实应用程序的示例, 解释了关于建模空间过程和SPDE方法的关键概念。本书的作者都是空间统计学方面的权威人士, 其中包括INLA和SPDE方法以及R-INLA软件包的主要开发者。此外, 本书还包含了各种不同的应用实例。本书中的所有例子都可以进行完全复现。此外, 关于本书的更多信息以及使用的R代码和数据集, 可在本书的网站上获取。本书中介绍的工具将对许多领域的研究人员有所帮助, 例如生物统计学、空间统计学、环境科学、流行病学、生态学等。此外, 硕士生和博士生也会发现本书是学习INLA和SPDE方法进行空间建模的有价值的资源。

• 410 _0 |1 2001 |a 应用统计学丛书 |v 30

• 510 1_ |a Advanced spatial modeling with stochastic partial differential equations using R and INLA |z eng

• 606 0_ |a 随机偏微分方程 |A sui ji pian wei fen fang cheng |x 研究

• 690 __ |a O211.63 |v 5

• 701 _1 |a 克拉因斯基 |A ke la yin si ji |g (Krainski, Elias) |4 著

• 702 _0 |a 汤银才 |A tang yin cai |4 译

• 702 _0 |a 陈婉芳 |A chen wan fang |4 译

• 801 _0 |a CN |b 人天书店 |c 20231222

• 905 __ |a LJUZC |d O211.63/2

• 920 __ |a 222016 |z 1