"積分嵌套拉普拉斯近似 (Integrated Nested Laplace Approximations，INLA) 是擬合一大類(lèi)貝葉斯回歸模型的新方法。使用INLA無(wú)須抽取邊際后驗(yàn)分布的樣本，因此在計(jì)算上它是貝葉斯推斷標(biāo)準(zhǔn)工具馬爾可夫鏈蒙特卡羅 (MCMC) 方法的簡(jiǎn)單易用的替代方案。本書(shū)涵蓋了各種現(xiàn)代回歸模型，著重介紹了如何使用實(shí)際數(shù)據(jù)構(gòu)建貝葉斯模型并評(píng)估其有效性。全書(shū)的一個(gè)關(guān)鍵主題是通過(guò)可復(fù)制的研究來(lái)展示理論與實(shí)踐之間的相互作用。每個(gè)示例都提供了完整的R命令，并且本書(shū)的網(wǎng)站包含了書(shū)中描述的所有數(shù)據(jù)，還提供了一個(gè)可下載的R軟件包。本書(shū)適合于具有基本統(tǒng)計(jì)理論和貝葉斯方法知識(shí)的讀者閱讀，可以幫助他們了解基于INLA進(jìn)行貝葉斯推斷的最新進(jìn)展，并為復(fù)雜的實(shí)際工作做好準(zhǔn)備。"