JAGS를 활용한 베이지안 자료분석

1장 베이지안 통계추론
1.1 통계적 모형
1.2 우도함수
1.3 베이지안 추론
1.4 베이지안 구간추정

2장 마코프체인 몬테칼로(MCMC)
2.1 표본을 이용한 통계추론
2.2 메트로폴리스-해스팅스 기법
2.3 깁스 표본기법

3장 MCMC의 수렴진단, 정확도, 효율
3.1 MCMC 수렴진단
3.2 MCMC 추정치의 오차
3.3 효율적인 MCMC

4장 MCMC 실습
4.1 깁스 표본기법
4.2 메트로폴리스-해스팅스

5장 JAGS를 이용한 베이지안 추론
5.1 JAGS 소개
5.2 JAGS 설치
5.3 JAGS 분포
5.4 JAGS 함수
5.5 JAGS 실행

6장 이항자료의 베이지안 분석
6.1 프로빗 모형
6.2 로지스틱 모형
6.3 모수선택이 MCMC에 미치는 영향
6.4 사전분포의 선택

7장 순서적 프로빗 모형의 베이지안 추론
7.1 순서적 프로빗 모형
7.2 깁스 표본기법 적용
7.3 JAGS 활용
7.4 자료의 표준화

8장 카운트 자료의 분석
8.1 포아송 로그 선형모형
8.2 음이항 로그 선형모형

9장 영과잉 카운트 자료의 분석
9.1 영과잉 포아송 회귀모형
9.2 영과잉 포아송 회귀모형의 추론
9.3 영과잉 음이항 회귀모형의 추론

10장 MCMC를 이용한 베이지안 변수선택
10.1 Stochastic Search Variable Selection(SSVS)
10.2 Kuo-Mallick 방법
10.3 Gibbs Variable Selection
10.4 변수선택과 회귀계수의 추정
10.5 실제 자료분석: Baseball Salary Data

11장 베이지안 분위회귀분석
11.1 분위회귀모형
11.2 분위회귀모형과 평균회귀모형
11.3 분위회귀모형의 베이지안 분석
11.4 JAGS를 이용한 분위회귀모형의 추정
11.5 실제 자료분석: Boston Housing data
11.6 분위회귀모형에서의 베이지안 변수선택

12장 베이지안 다차원 척도
12.1 다차원 척도
12.2 베이지안 다차원 척도
12.3 JAGS를 이용한 베이지안 추정
12.4 유럽의 도시
12.5 위스키의 맛과 향
12.6 급성 백혈병