Bayesian Inference for Spatial Count Data that May be Over-Dispersed or Under-Dispersed with Application to the 2016 US Presidential Election
Bayesian Inference for Spatial Count Data that May be Over-Dispersed or Under-Dispersed with Application to the 2016 US Presidential Election
复制标题
可能过分散或欠分散的空间计数数据的贝叶斯推断在2016年美国总统选举中的应用
DOI：
10.6339/21-jds1032
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Bradley, Jonathan R.
中科院分区：
文献类型：
--
作者：
Yang, Hou-Cheng;Bradley, Jonathan R.
登录
查看更多内容
摇摆州、赢家通吃的选举团和财政联邦制
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Christopher M. Duquette;F. Mixon;R. Cebula
通讯作者：
R. Cebula
使用非平稳谱模拟对大空间数据进行贝叶斯推理
影响因子：
2.3
作者：
Yang, Hou-Cheng;Bradley, Jonathan R.
通讯作者：
Bradley, Jonathan R.
DOI：
10.1080/01621459.2019.1677471
发表时间：
2019-11-22
影响因子：
3.7
作者：
Bradley, Jonathan R.;Holan, Scott H.;Wikle, Christopher K.
通讯作者：
Wikle, Christopher K.
通过康威-麦克斯韦泊松分布分析离散数据
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Ramesh C. Gupta;S. Sim;S. H. Ong
通讯作者：
S. H. Ong
DOI：
10.1080/01621459.1997.10474012
发表时间：
1997-06
影响因子：
3.7
作者：
L. Waller;B. Carlin;Hong Xia;A. Gelfand
通讯作者：
L. Waller;B. Carlin;Hong Xia;A. Gelfand