Missing data analysis and imputation via latent Gaussian Markov random fields
在本文中，我们重铸的问题，在协变量的回归模型作为一个潜在的高斯马尔可夫随机场（GMRF）模型在一个完全贝叶斯框架。我们提出的方法是基于定义的协变量插补子模型作为一个潜在的影响与GMRF结构。我们展示了这种提法如何适用于连续协变量，并提供了一些见解如何将其扩展到分类协变量。由此产生的贝叶斯分层模型自然适合集成嵌套拉普拉斯近似（INLA）框架，我们使用模型拟合。因此，我们的工作填补了INLA方法中的一个重要空白，因为它允许处理协变量中有缺失值的模型。与任何其他完全贝叶斯框架一样，通过依赖INLA进行模型拟合，可以为数据、插补协变量及其缺失机制制定联合模型。通过这种方式，我们能够通过对不同的替代方案进行敏感性分析来对未观察到的协变量进行建模，从而解决评估缺失机制的更普遍的问题。最后，我们用两个健康风险因素建模和疾病映射的例子来说明所提出的方法。在这里，我们依赖于两种不同的插补机制的基础上，一个典型的多元线性回归和空间模型，分别。鉴于INLA模型拟合的速度，我们能够在短时间内拟合关节模型，并轻松进行敏感性分析。
2019-12-23 stat.AP stat.CO stat.ME
Bayesian inference for case-control point pattern data in spatial epidemiology with the \texttt{inlabru} R package
本研究针对空间流行病学中的病例-对照点模式数据分析问题，提出基于inlabru R包和INLA方法的贝叶斯分析框架，可评估空间风险变异、风险因素及污染源效应，经Chorley-Ribble数据集验证结果与文献一致。
2025-03-19 stat.CO stat.ME
Scalable Bayesian Quantile Regression via EM and INLA: The EM-INLA Algorithm
Statistics Department, Universidad Nacional de Colombia（哥伦比亚国立大学统计系）
研究提出EM-INLA算法用于经验贝叶斯分层分位数回归，结合EM与INLA，利用ALD混合表示重述M步为加权高斯回归，避免MCMC采样，可扩展至大型复杂数据集，模拟及实际应用中展现出与HMC相当的准确性和显著加速。
2026-07-28 stat.CO stat.ME
Bayesian Multilevel Bivariate Spatial Modelling of Italian School Data
本文使用空间贝叶斯多层回归模型结合双变量ICAR潜在效应，研究意大利高中学生能力与市镇基础设施禀赋的关系，发现基础设施和空间结构化潜在效应对解释学生成绩差异均具有显著作用。
2024-12-23 stat.AP stat.ME
A Data Fusion Model for Meteorological Data using the INLA-SPDE method
本文提出一种基于INLA-SPDE的气象数据融合模型，结合稀疏气象站与数值天气预报数据，通过贝叶斯模型平均方法进行推断，有效解决了观测数据稀疏问题并提升了预测准确性。
2025-01-30 stat.AP
A flexible Bayesian tool for CoDa mixed models: logistic-normal distribution with Dirichlet covariance
针对成分数据混合模型拟合含结构化随机效应时的难题，提出带狄利克雷协方差的逻辑正态模型LNDM，整合进R-INLA包并探索相关模型选择准则，经模拟和生态案例验证其应用潜力。
2023-11-08 stat.CO stat.ME
Parallelized integrated nested Laplace approximations for fast Bayesian inference
随着数据可用性的提高和模型参数空间的高维化，对大规模贝叶斯推断任务的需求日益增长。在这项工作中，我们提出了并行化策略的方法集成嵌套拉普拉斯近似（INLA），一个流行的框架进行近似贝叶斯推断的类潜在高斯模型。我们的方法利用嵌套的OpenMP并行，并行线搜索过程中使用强大的回归INLA的优化阶段和最先进的稀疏线性求解器PARDISO。我们利用算法中相互独立的函数评估以及高级稀疏线性代数技术。通过这种方式，我们可以灵活地利用当今多核架构的强大功能。我们展示了我们的新的并行化方案在一些不同的现实世界中的应用程序的性能。并行性的引入导致所有较大模型的加速比为10倍或更多。我们的工作已经集成到当前版本的开源R-INLA包中，使其改进的性能方便地提供给所有用户。
2022-04-10 cs.DC stat.CO
BARTSIMP: flexible spatial covariate modeling and prediction using Bayesian additive regression trees
针对空间统计预测中现有方法难以兼顾协变量非线性建模与可靠不确定性估计的问题，提出结合高斯过程与BART的BARTSIMP方法，通过MCMC与INLA结合降本，经模拟和肯尼亚人体测量数据验证有效。
2025-02-21 stat.ME stat.ML
Multivariate and regression models for directional data based on projected Pólya trees
本文提出基于投影Pólya树的方向数据贝叶斯非参数模型，并定义方向-方向及线性-方向回归模型，通过模拟和真实数据验证性能。
2023-10-11 stat.ME
Copula-based models for spatially dependent cylindrical data
University of Florence（佛罗伦萨大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出了一种结构加性条件copula回归模型，用于处理具有空间依赖性的圆柱形数据，通过包裹高斯过程建模圆形成分，分布回归模型处理线性成分，并允许非平稳协方差结构。
2026-02-05 stat.ME
Moderation effects and elasticities in compositional regression with a total. Application to Bayesian spatiotemporal modelling of all-cause mortality from environmental stressors
University of Girona（赫罗纳大学）；Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública, Instituto de Salud Carlos III（公共卫生与流行病学生物医学研究中心，卡洛斯三世健康研究所）
本文提出了一种基于贝叶斯空间时间建模的方法，用于分析环境压力源对全部原因死亡率的影响，考虑总效应和调节效应。
2025-05-12 stat.AP stat.ME
Estimating the Expected Value of Partial Perfect Information in Health Economic Evaluations using Integrated Nested Laplace Approximation
完全部分信息期望值（EVPPI）是一种决策理论，主要用于卫生经济决策中的参数不确定性的“成本”。尽管有这种决策理论基础，但在实践中对EVPPI计算的采用一直很缓慢。这部分是由于通过蒙特卡罗模拟估计EVPPI所需的计算时间过高。然而，最近的发展表明，EVPPI可以通过非参数回归方法来估计，这大大减少了近似EVPPI所需的计算时间。在某些情况下，建议使用高维高斯过程回归，但这仍然是非常昂贵的。应用空间统计学中开发的快速计算方法，使用集成嵌套拉普拉斯近似（INLA），并从高维投影到低维输入空间，使我们能够减少拟合这些高维高斯过程的计算时间，通常是显着的。我们表明，使用我们的高斯过程回归的方法计算的EVPPI是符合标准的高斯过程回归的方法，尽管这种新方法的明显的方法复杂性，R函数是可用的包BCEA简单，有效地实现它。
2016-11-04 stat.AP
Bayesian Circular Regression with von Mises Quasi-Processes
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Unilever（联合利华）；Technical University of Denmark（丹麦技术大学）；University of Cambridge（剑桥大学）
本研究提出基于冯·米塞斯拟过程的贝叶斯圆形回归模型，具备最大熵特性，设计类Stratonovich增广的快速吉布斯采样方案，应用于风向与步态周期占比预测任务。
2025-03-18 cs.LG stat.CO stat.ML
Importance Sampling with the Integrated Nested Laplace Approximation
集成嵌套拉普拉斯近似（INLA）是一种确定性的隐高斯模型（LGM）上的贝叶斯推断方法，并且专注于模型中参数的后验边缘的快速和准确的近似。最近，已经开发出的方法来扩展这一类的模型，可以表示为有条件的LGM固定的模型中的一些参数的描述值。这些方法在选择描述性数值的方式上有所不同。本文提出了将重要性抽样与INLA相结合的方法（IS-INLA），并将其扩展为鲁棒性更强的自适应多重重要性抽样与INLA相结合的算法（Vdd-INLA）。本文给出了这些方法和现有的方法之间的一系列应用程序与模拟和观测数据集的比较，并评估其性能的基础上的准确性，效率和鲁棒性。在一个简单的双变量线性模型中的精确后验的方法进行验证，然后，他们被应用到贝叶斯套索模型，缺失协变量值的贝叶斯插补，最后，在参数贝叶斯分位数回归。应用表明，Vdd-INLA方法，在一般情况下，优于其他方法，但IS-INLA算法可以考虑更快的推理时，好的建议。
2021-03-03 stat.CO stat.ME
The periodic zeta covariance function for Gaussian process regression
我认为Lerch-Hurwitz或周期zeta函数作为一个周期连续平稳随机过程的协方差函数。该函数可以参数化的连续指数$ν$调节的连续性和可微性的过程中的一种方式完全类似于参数$ν$的Matérn类的协方差函数。这使得周期性zeta成为一个很好的伴侣，可以将幂律先验谱季节分量添加到高斯过程回归的Matérn先验中。它也是圆Matérn协方差的近亲，同样可以用于3维以下的球面。由于这个特殊的函数在标准库中通常不可用，我将详细解释数值实现。
2022-08-04 stat.CO stat.ME
Designing a Bayesian adaptive clinical trial to evaluate novel mechanical ventilation strategies in acute respiratory failure using Integrated Nested Laplace Approximations
本研究利用INLA算法设计贝叶斯自适应试验，通过大量模拟优化急性呼吸衰竭机械通气策略的试验参数，在保证I类错误和功效的前提下确定了最佳试验设计。
2023-03-31 stat.AP
Modeling Zero-Inflated Longitudinal Circular Data Using Bayesian Methods: Application to Ophthalmology
Indian Institute of Management Calcutta（印度管理学院加尔各答分校）；Indian Statistical Institute（印度统计研究所）
本文提出了一种基于投影正态分布的贝叶斯混合效应两阶段模型，用于处理纵向数据中零膨胀的圆形观测，应用于眼科术后散光分析。
2026-01-20 stat.AP stat.CO stat.ME
Bayesian space-time gap filling for inference on extreme hot-spots: an application to Red Sea surface temperatures
我们开发了一种时空框架中极值热点的概率预测方法，该方法适用于包含重要缺口的大数据集。在这种情况下，直接从数据中计算汇总（例如空间-时间域上的最小值）是不可能的。为了获得这样的聚类摘要的预测分布，我们提出了一个两步的方法。我们首先对边缘分布进行建模，重点是对右尾进行准确建模，然后将数据转换为标准高斯尺度后，我们估计在时域中本地定义的高斯时空依赖模型，用于我们想要预测的时空子区域。在第一步中，我们对数据的平均值和标准差进行去趋势化，并拟合空间分辨的广义帕累托分布，以应用上尾校正。为了确保估计趋势的空间平滑性，我们要么使用最近邻技术汇集数据，要么应用广义加性回归模型。为了处理数据的高时空分辨率，局部高斯模型使用基于随机偏微分方程（SPDE）方法的Matérn相关函数的马尔可夫表示。在第二步中，它们通过在R-INLA中实现的集成嵌套拉普拉斯近似在贝叶斯框架中拟合。最后，通过Monte-Carlo估计生成后验样本以提供统计推断。受2019年极值分析数据挑战的启发，我们使用具有人工生成间隙的网格化数据集（11315天，16703像素）来说明我们预测红海表面温度异常中局部时空最小值分布的方法。特别是，我们展示了我们的两步方法在没有尾部变换的纯高斯模型上的改进性能。
2020-04-01 stat.ME
Nonparametric multimodal regression for circular data
本文针对包含循环响应变量和/或协变量的回归模型，提出基于条件密度最大化的非参数多模态回归估计方法，利用均值偏移和循环均值偏移算法的条件版本进行估计，并研究了其渐近性质与带宽选择问题。
2020-12-17 stat.ME
A Mixture of Linear-Linear Regression Models for Linear-Circular Regression
我们介绍了一种新的方法，线性循环回归问题，涉及多个线性预测的循环响应。我们遵循一个包裹的正态分布，描述角变量和角分布的建模方法，并提出了一个线性-圆形回归分析。以往的一些工作将圆形变量建模为二元高斯随机向量在单位正方形上的投影，并且所得到的模型的统计推断涉及复杂的采样步骤。该模型将圆形响应视为对未观测到的线性响应进行取模运算的结果。所得到的模型是多个线性-线性回归模型的混合。本文给出了混合模型极大似然估计的两种期望最大化算法，一种用于参数模型，另一种用于非参数模型。估计算法提供了一个很大的计算和估计精度之间的权衡，这是用五个数值例子数值显示。所提出的方法被应用到一个问题，估计风向，通常表现出复杂的模式与大的变化和圆形。
2019-09-15 stat.ME
Goodness-of-fit tests for parametric regression models with circular response
本文提出了一种用于评估具有圆形响应和$\mathbb{R}^d$值协变量的参数回归模型的检验方法，并分析了独立和空间相关数据。检验统计量基于比较（非平滑或平滑）参数圆形估计量和非参数圆形估计量的圆形距离。适当设计的引导程序校准测试在实践中也提出。有限样本性能的测试在不同的情况下，独立和空间相关的样本，通过模拟分析。
2020-08-31 stat.ME
Nonparametric multivariate regression estimation for circular responses
本文研究了具有圆响应的回归函数的非参数估计和R_d值预测量。局部多项式型估计的建议和研究。导出了它们的渐近偏差和方差的表达式，并给出了选择渐近局部最优带宽矩阵的准则。有限样本的行为，建议的估计评估通过模拟和他们的表现也说明了一个真实的数据集。
2020-04-13 stat.ME
Nonparametric regression for a circular response with error-in-covariate
本文针对协变量含测量误差的圆形响应回归问题，基于无误差假设下的现有估计量，利用反卷积算符提出三种非参数估计量，并开发了更高效的带宽选择方法，通过渐近分析和有限样本实证验证了其有效性。
2025-08-21 stat.ME
A Bayesian information criterion for singular models
我们考虑近似贝叶斯模型选择模型选择问题，涉及模型的费舍尔信息矩阵可能无法沿其他竞争的子模型是可逆的。这样的奇异模型不遵守正则条件的推导Schwarz的贝叶斯信息准则（BIC）和BIC的惩罚结构一般不反映其边际似然的频率论大样本行为。虽然最近已经发展了奇异模型的边际似然的大样本理论，由此产生的近似依赖于真实的参数值，并导致循环推理的悖论。通过确定混合模型的分量数、潜在因子模型的因子数和降秩回归的秩等实例，给出了这一悖论的解决方案，并对奇异模型选择问题给出了BIC的一个实用扩展.
2016-03-23 stat.ME
Evaluation of Circular Logistic Regression Models with Asymmetric Link Functions
Western Illinois University（西伊利诺伊大学）
研究圆形数据的逻辑回归模型，核心方法是构建含特定线性预测器的圆形逻辑回归框架，用蒙特卡罗模拟评估，通过真实数据集验证，主要贡献是明确不同条件下对称与非对称链接函数的性能差异及给出实践指导。
2026-07-16 stat.ME
On the application of Jammalamadaka-Jiménez Gamero-Meintanis test for circular regression model assessment
针对角误差分布为包裹柯西分布的圆-圆乘法回归模型，提出基于改编的Jammalamadaka-Jiménez Gamero-Meintanis圆分布拟合优度检验的规范程序，经模拟和真实数据集验证其功效与通用性。
2024-11-28 stat.ME
Circular Regression Trees and Forests with an Application to Probabilistic Wind Direction Forecasting
本文提出基于 von Mises 分布的循环回归树与随机森林，用于循环响应变量的分布建模和概率预测，并在机场风向预测中验证其效果。
2020-01-02 stat.ME
A general framework for circular local likelihood regression
针对含圆形协变量的回归问题，提出基于圆形局部似然的非参数估计通用框架，证明渐近正态性并处理带宽选择及偏差方差，模拟与真实数据验证其广泛适用。
2023-06-05 stat.ME
Correlation-Weighted Communicability Curvature as a Structural Driver of Dengue Spread: A Bayesian Spatial Analysis of Recife (2015-2024)
Universidade Federal de Pernambuco (UFPE)（巴西伯南布哥联邦大学）
该研究通过贝叶斯空间分析发现，功能性网络连通性而非地理邻接性更驱动Recife登革热传播。
2026-02-16 math.PR physics.soc-ph q-bio.PE
Regression Models for Directional Data Based on Nonnegative Trigonometric Sums
本文提出将边际服从 NNTS 分布的圆形随机变量转换为线性变量以构建回归模型，并通过模拟与真实数据展示其处理偏态、多峰方向数据的能力。
2023-01-25 stat.ME
The Multivariate Generalised von Mises distribution: Inference and applications
循环变量出现在从机器人到社会科学的大量数据建模环境中，但它们在很大程度上被机器学习社区所忽视。本文通过将一些标准的概率建模工具扩展到圆形域来部分纠正这种不平衡。首先，我们介绍一个新的多元分布的圆形变量，称为多元广义冯米塞斯（mGvM）分布。该分布可以通过将一般多元高斯分布限制和重正化到单位超环面来构造。先前提出的多元圆形分布被证明是这种结构的特殊情况。其次，我们介绍了一个新的概率模型的循环回归，这是启发高斯过程，概率主成分分析的方法与循环隐藏变量。这些模型可以利用标准建模工具（例如，协方差函数和用于自动相关性确定的方法）。第三，我们表明，在这些模型中的后验分布是一个mGvM分布，使发展一个有效的变自由能计划进行近似推理和近似最大似然学习。
2017-08-08 stat.ML
Semiparametrical Gaussian Processes Learning of Forward Dynamical Models for Navigating in a Circular Maze
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of Padova（帕多瓦大学）
本文提出了一个模型学习问题，目的是学习如何在具有两个自由度的圆形迷宫环境中将球导航到目标状态。球在迷宫环境中的运动受到几种非线性效应的影响，例如干摩擦和接触，这些非线性效应很难在物理上建模。我们提出了一个半参数模型来估计球的运动动力学的基础上高斯过程回归配备从物理第一原理获得的基函数。这种半参数模型的准确性，不仅在估计，而且在预测的n步前进，并与标准算法的模型学习。然后，在轨迹优化算法中使用所学习的模型来计算球轨迹。我们提出的系统中提出的文件作为一个基准问题的强化和机器人学习，其有趣的和具有挑战性的动态和相对容易的再现性。
2018-09-18 cs.LG cs.RO stat.ML
Parapolitics and Roll-Call Voting in Colombia: A Bayesian Euclidean and Spherical Spatial Analysis
本研究利用贝叶斯空间模型分析哥伦比亚参议院投票，发现反对-非反对阵营而非左右意识形态主导行为，且该阵营与议会政治丑闻牵连显著相关。
2025-03-27 stat.AP stat.ME
Semi-parametric least-area linear-circular regression through Möbius transformation
提出一种基于广义 Möbius 变换的半参数线性-圆回归模型，并用环面几何启发的面积损失进行估计，模拟与加密货币数据分析验证了其稳健性和实用性。
2024-12-09 stat.ME
A flexible functional-circular regression model for analyzing temperature curves
在局部范围内，温度模式的变化被个人视为全球变暖和气候变化的最直接指标。作为一个具体的例子，对于大西洋气候位置，春季和秋季应该分别呈现冬季和夏季以及夏季和冬季之间的温和过渡。通过观察随时间变化的每日温度曲线，每条曲线都与某个日历日相连，这些变量的回归模型（温度曲线作为协变量，日历日作为响应）将有助于对特定时期的关系进行建模。此外，从长远来看，可以通过预测和观测比较来评估温度变化。在这项工作中，这样的模型提出和研究，考虑非参数Nadaraya-Watson型估计函数协变量和循环响应。导出了该估计量的渐近偏差和方差以及它的渐近分布。它的有限样本的性能进行了评估，在模拟研究和建议被施加到调查一个真实的数据集有关的温度曲线。
2022-11-21 stat.ME
Two-stage Circular-circular Regression with Zero-inflation: Application to Medical Sciences
本文考虑了零膨胀圆形测量的建模，涉及来自医学科学的真实案例研究。循环-循环回归模型已经在统计文献中进行了讨论，并通过各种实际应用进行了说明。然而，没有模型同时处理零膨胀响应和协变量。提出了基于Mobius变换的两阶段循环-循环回归模型，并利用MCMC算法给出了模型参数的贝叶斯估计。仿真结果表明，该方法的性能优于现有的竞争对手。该方法被应用于分析真实的数据集散光，由于白内障手术和异常步态相关的骨科障碍。所提出的方法可以帮助在治疗或术后护理期间做出有效的决策。
2020-12-17 stat.CO stat.ME
Bayesian Deep Count Regression and Anomaly Detection: Evidence from GDELT Event Panels
University of Central Florida（中佛罗里达大学）
本文提出基于贝叶斯计数回归的深度模型，结合负二项和零膨胀负二项分布头，用于预测和检测异常，通过地理统计方法分析事件传播。
2026-03-26 stat.AP stat.CO
Model-based clustering using a new mixture of circular regressions
University of Pretoria（比勒陀利亚大学）
本文提出了一种基于圆形回归混合的模型聚类方法，用于处理多模态圆形响应变量和混合协变量的数据，通过最大似然估计和模拟研究验证了其有效性。
2026-01-08 stat.CO stat.ME
How Proxy Race Distorts Regression-Based Fairness Audits
UNSW Sydney, School of Risk and Actuarial Studies（新南威尔士大学风险与精算研究学院）；University of Pennsylvania, Wharton School Department of Statistics and Data Science（宾夕法尼亚大学沃顿商学院统计与数据科学系）
本文研究代理种族推断对基于回归的公平性审计的影响，发现代理种族作为分类变量时，会导致估计的不平等差异系统性向多数群体收缩，且可能扭曲审计结果。
2026-03-17 stat.AP
Analyzing directional errors in spatial orientation using nonparametric circular regression with mixed covariates
Universidade da Coruña（科鲁尼亚大学）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
本文研究了感官条件对方向准确性的影响，提出了一种非参数圆形回归框架，通过产品核估计器处理连续和分类预测变量，并通过Bootstrap方法选择带宽以实现稳健的推断。
2026-04-23 stat.AP stat.ME
A tractable, parsimonious and flexible model for cylindrical data, with applications
在本文中，我们提出了圆柱形分布的正弦偏态冯米塞斯分布（圆形部分）与韦布尔分布（线性部分）相结合。这个新的模型，WeiSSVM，享有众多的优点：简单的归一化常数，因此非常容易处理的密度，参数简约性和可解释性，良好的循环线性相关结构，易于随机数生成由于已知的边际/条件分布，灵活性说明通过优秀的拟合能力，并直接扩展到的情况下的方向线性数据。推理问题，如独立性测试，循环线性分别线性循环回归，可以很容易地解决我们的模型，我们应用于两个真实的数据集。最后，我们讨论了我们的模型的未来应用的文件。
2015-12-31 stat.ME
Sums of Independent Circular Random Variables and Maximum Likelihood Circular Uniformity Tests Based on Nonnegative Trigonometric Sums Distributions
本文证明 NNTS 圆形分布族在求和下封闭，并针对均匀分布位于参数空间边界导致的非正则性，提出两种基于最大似然的圆形均匀性检验，通过模拟与回归插值确定临界值并验证其有效性。
2023-09-09 stat.ME
Identifiability and likelihood estimation for homogeneous angular regression with random coefficients
Department of Mathematics and Statistics, Université Laval（拉瓦尔大学数学与统计系）
针对聚类圆形响应问题，提出广义角回归的简约混合效应扩展模型，结合圆形随机截距与标量随机斜率，建立相关理论和框架，经模拟研究与实际应用验证了模型的有效性及方差分量推断的实用性。
2026-10-01 stat.ME
Projected random forests and conformal prediction of circular data
Insper University（Insper大学）；University of São Paulo（圣保罗大学）
针对圆形响应回归问题，应用共形预测技术，通过投影方法将线性回归模型转换为圆形模型，并利用随机森林的袋外机制避免额外校准样本，生成具有有限样本覆盖保证和自适应弧长的预测集。
2026-06-11 cs.LG stat.ME stat.ML
Regression for spherical responses with linear and spherical covariates using a scaled link function
提出一种球面响应回归模型，通过扩展莫比乌斯变换的缩放链接函数处理线性和球面协变量，误差分布采用椭圆对称类，参数可解释且正交，并用真实数据验证。
2025-09-07 stat.ME
On Modeling Cylindrical Data with a Discrete Circular Component and Its Environmental Applications
Indian Institute of Technology Madras（印度马德拉斯理工学院）；Indian Statistical Institute（印度统计研究所）
针对离散圆形变量与连续线性变量的联合依赖建模问题，提出一种结合包裹对称几何分布、威布尔分布和三角连接函数的灵活可解析模型，给出闭合形式的联合、边际和条件分布，并应用于环境数据分析。
2026-06-27 math.ST stat.ME stat.TH
