Bayesian Statistical Modeling with Stan, R, and Python.pdf

OSIC肺纤维化竞赛（贝叶斯模型） 介绍 OSIC肺纤维化进展竞赛是一项Kaggle竞赛，您需要完成预测FVC（强制肺活量）的任务，FVC与下一个146周的强制呼气量（FEV）测试中呼出的空气总量有关。 您将获得CT扫描图像，以了解过去几周的第一次相遇，元数据和信息。 方法 CT扫描处理 我们确定一个遮罩，以区分图像中的其他实体和肺部。 我用两种方法做到这一点：1）简单的像素阈值区分和2）KMeans聚类。 应用了进一步的图像处理（例如腐蚀和膨胀）以进一步区分这两个区域。 然后将识别出的蒙版应用于原始图像，以获得孤立的肺部图像。 这些操作的结果如下所示： 隔离肺部后，从生成的图像中确定像素统计信息，以用作后续模型中的特征。 确定了诸如均值，方差，偏斜和峰度之类的统计信息。 贝叶斯建模 使用马尔可夫链蒙特卡洛（MCMC）采样方法和变分推断来估计模型的参数。 生成模型是分层的，这意味着信息

亲测可用。HCL AppScan Standar9.0.3.14.zip 打开后放到目录文件夹就行，然后导入许可证就可以用了。需要HCL AppScan Standar9.0.3.14这个版本可以联系我，因为太大了不给上传，我只上传许可证。

MetaStan R软件包 MetaStan是用于使用Stan进行Meta分析的R软件包。 建筑 MetaStan软件包位于CRAN上。 可以按以下方式安装MetaStan ： install.packages( " MetaStan " ) 可以使用devtools该软件包的开发版本： devtools :: install_github( " gunhanb/MetaStan " ) 小插图 小插图可以通过以下方式获得： vignette( " MetaStan_BNHM " ) 测验 testthat软件包用于测试。 测试驻留在tests/testthat目录中。 执照 MetaStan软件包由。 它是根据。 有关引文信息，请在R中键入citation(package='MetaStan') 。要报告任何问题或错误或建议对软件包进行增强，请转到。

MatlabStan：Matlab与Stan的接口，Stan是用于贝叶斯推理的程序包

学习Mathematica很好的一本书，如果你是Mathematica爱好者，本书非常适合入门基础教材

covidseir：贝叶斯SEIR模型来估计社交距离对COVID-19的影响

《Markov Random Field Modeling In Image Analysis》(3rd Edition,Stan Z.Li,2009).pdf

rstan, RStan，Stan的R 接口 RStan RStan 是 Stan的R 接口。快速链接mc-stan.org/rstan ( 在线RStan文档，vignettes )( 语言手册，案例研究等)的 Stan文档问问问题( Stan上的斯

brms 概述 brms程序包提供了一个接口，以使用Stan来拟合贝叶斯广义（非）线性多元多级模型，这是一个用于执行完整贝叶斯推理的C ++程序包（请参见 ）。 公式语法与软件包lme4的语法非常相似，以提供用于执行回归分析的熟悉且简单的界面。 支持广泛的响应分布，使用户可以在多级上下文中拟合线性，鲁棒线性，计数数据，生存时间，响应时间，序数，零膨胀甚至自定义混合模型等。 进一步的建模选项包括非线性和平滑项，自相关结构，检查数据，缺失值插补等。 另外，可以预测响应分布的所有参数，以执行分布回归。 多变量模型（即具有多个响应变量的模型）也可以拟合。 先前的规范是灵活的，并且明确鼓励用户使用实际上反映其信念的先前发行版。 可以轻松评估模型拟合度，并将其与后验预测检查，交叉验证和贝叶斯因素进行比较。 资源 （统计软件期刊） （R Journal） （具有文档和小插曲的brms网站） （有关