GeoBUGS疾病制图法在条件自回归模型中的应用  

作　　者：高文龙[1] 张继巍[1] 拉扎提.木拉提 李学朝[1] 秦天燕 李娟生[1] 

机构地区：[1]兰州大学公共卫生学院流行病与卫生统计学研究所,730000

出　　处：《中国卫生统计》2017年第5期842-844,共3页Chinese Journal of Health Statistics

基　　金：教育部人文社科项目(项目号:15XJC910001);中央高校基本科研业务专项资金(项目号:LZUjbky-2016-025)

摘　　要：贝叶斯统计起源于英国学者贝叶斯在1763 年的一篇题为“机遇理论中一个问题的解”的论文,他提出了著名的贝叶斯公式[1]. 贝叶斯统计方法与经典统计方法最根本的区别在于不仅利用总体信息和样本信息进行统计推断,而且充分利用了参数的先验信息,它将每一个不确定的参数都看成一个随机变量,通过给予先验分布,结合马尔科夫链蒙特卡洛（ markov chain monte carlo,MCMC）法进行Gibbs抽样,得出参数的后验分布,因此可以提高统计推断的效果. 其广泛应用于经济、金融、医学、生物统计、自然科学和社会科学等各个领域[2-4]. 随着 OpenBUGS 软件[5]的成功开发,对GeoBUGS模块的功能和界面做了相应的调整和优化,与其在WinBUGS中相比,增加了新的贝叶斯地图模板和应用案例,也为ArcView格式文件的导入提供了接口,促进了其在疾病空间模型的构造和空间地图的绘制方面的发展[6-7].

关 键 词：自回归模型 应用 疾病 贝叶斯统计 GIBBS抽样 WINBUGS 制图 统计推断 

分 类 号：O212.8[理学—概率论与数理统计] R195.1[理学—数学]