【新书】空间-时间数据建模：马尔可夫随机场、客观贝叶斯与多尺度模型，293页pdf

在过去15年中，空间和时空统计中的几个重要主题在教材中未得到足够的重视。《空间-时间数据建模：马尔可夫随机场、客观贝叶斯与多尺度模型》旨在填补这一空白，概述了近期提出的多种分析空间和时空数据集的方法，包括规范的高斯马尔可夫随机场、动态多尺度时空模型以及适用于空间和时空模型的客观先验。该书的目标是让这些方法更加易于实践者使用，并激发在空间和时空统计这一重要领域中的进一步研究。

主要主题：

• 规范的高斯马尔可夫随机场及其作为时空模型和多尺度模型构建模块的应用。
• 含有内在条件自回归先验的空间随机效应层次模型，包括参考先验、快速计算的结果以及客观贝叶斯模型选择。
• 状态空间模型的客观先验，以及一种用于具有动态时空随机效应的时空模型的新近似参考先验。
• 基于规范高斯马尔可夫随机场的用于泊松观测的时空模型。
• 用于空间聚类和数据压缩的动态多尺度时空阈值法。
• 多尺度时空同化计算机模型输出和监测站数据。
• 动态多尺度异方差多元时空模型。
• M-开放多重最优悖论及其对多尺度建模的一些实际影响。
• 用于平滑时空过程的动态多尺度时空模型集成。 本书的读者包括统计学、数据科学、机器学习及相关领域的实践者、研究人员和研究生。本书的先修课程要求为硕士水平的统计推断、线性模型和贝叶斯统计课程。本书可以用作空间和时空统计专题课程的教材，也可以作为空间和时空建模研究生课程的补充材料。

关于作者

Marco A. R. Ferreira是弗吉尼亚理工大学统计学系教授。他曾在多个科学期刊的编辑委员会中为统计学界服务，包括《贝叶斯分析》期刊，并参与了国际贝叶斯分析学会和美国统计协会的多个委员会，以及许多国内和国际会议的科学委员会。Marco目前的研究领域包括时间序列和时空数据的动态模型、多尺度模型、客观贝叶斯方法、随机搜索算法以及统计计算。其主要应用领域包括生物信息学、经济学、流行病学和环境科学。Marco的研究得到了行业、国家科学基金会和国家卫生研究院的资助。他在顶级期刊上发表了重要的科学论文，如《美国统计学会杂志》、《皇家统计学会杂志》、《Biometrika》和《贝叶斯分析》。截至撰写本文时，Marco已指导了超过15名博士生和博士后，他们现任职于学术界、工业界和政府部门。