Bayesian Survival, Longitudinal, and Joint Models with INLA
-
10% KEDVEZMÉNY?
- Kiadói listaár GBP 91.99
-
43 948 Ft (41 855 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 4 395 Ft off)
- Kedvezményes ár 39 553 Ft (37 670 Ft + 5% áfa)
39 553 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2026. május 5.
- ISBN 9781041087694
- Kötéstípus Keménykötés
- Terjedelem314 oldal
- Méret 254x178 mm
- Nyelv angol
- Illusztrációk 28 Illustrations, black & white; 107 Illustrations, color; 1 Halftones, black & white; 2 Halftones, color; 27 Line drawings, black & white; 105 Line drawings, color; 4 Tables, black & white 700
Kategóriák
Rövid leírás:
This book provides a comprehensive and practical guide to fitting complex Bayesian survival, longitudinal and joint models using the Integrated Nested Laplace Approximations (INLA) methodology, a powerful and computationally efficient alternative to traditional MCMC methods.
TöbbHosszú leírás:
This book provides a comprehensive and practical guide to fitting complex Bayesian survival, longitudinal and joint models using the Integrated Nested Laplace Approximations (INLA) methodology, a powerful and computationally efficient alternative to traditional MCMC methods. Aimed at graduate students, researchers, and applied statisticians in biostatistics, epidemiology, and public health, this book addresses the critical challenge of analyzing high-dimensional and correlated data. It demonstrates how to move beyond the computational limitations of conventional methods, enabling the analysis of sophisticated models that were previously out of reach.
Through a series of clear, fully reproducible examples, readers will learn to:
- Implement a wide range of survival models, including proportional hazards, competing risks, multi-state, cure, and frailty models.
- Fit various longitudinal models for continuous, count, binary, semicontinuous, and ordinal data.
- Construct and interpret joint models that link multiple longitudinal markers to single or multiple survival outcomes using various association structures.
- Incorporate spatial random effects to account for spatial autocorrelation in areal and point-referenced data.
This book is the result of a unique collaboration between the creators and key developers of the INLA methodology. The lead author, Denis Rustand, is the developer of the INLAjoint R package which serves as the primary software for the methods described. Håvard Rue is the principal architect of the INLA methodology and the R-INLA package. Janet van Niekerk is an expert in efficient Bayesian methods for complex survival analysis and a core INLA developer. Elias Teixeira Krainski is a renowned specialist in the theory and application of spatial statistics with INLA.
TöbbTartalomjegyzék:
Preface About the authors Introduction 1 The Integrated Nested Laplace Approximations methodology 2 Survival analysis 3 Longitudinal data analysis 4 Joint modeling of longitudinal and survival data 5 Spatial models Summary References
Több
