温伯格

WinBUGS是BUGS项目的一部分,该项目旨在为应用统计学家提供实用的MCMC方法。WinBUGS可以使用标准的“点击式”windows界面来控制分析,也可以使用称为DoodleBUGS的图形界面构造模型。WinBUGS是一个独立的程序,尽管它可以从其他软件调用。


zbMATH中的参考文献,2标准条款)

显示683的结果1到20。
按年份排序(引用)

1 2 ... 33 34 35 下一个

  1. Castillo Carreno,Edwin;Cepeda Cuervo,Edilberto;Núñez AntóN,Vicente:纵向数据的贝叶斯结构前向依赖模型建议(2020年)
  2. 徐聪,潘泰利斯Z.哈德吉潘泰利斯,王简玲:生存和纵向数据的半参数联合建模:R包JSM(2020)不是zbMATH
  3. Fouskakis,D.;Petrakos,G.;Rotous,I.:量化学生对教学质量指标偏好的贝叶斯纵向模型(2020年)
  4. 海宁,罗伯特;李光权:时空数据建模。贝叶斯方法(2020)
  5. Jouni-Helske:具有时变系数的有效贝叶斯广义线性模型:R(2020)中的walker包阿尔十四
  6. Robert J.B.Goudie,Rebecca M.Turner,Daniela De Angelis,Andrew Thomas:多错误:快速贝叶斯推理的bug建模框架的并行实现(2020)不是zbMATH
  7. Soize,Christian;Ghanem,Roger G.;Descliers,Christophe:从一个小数据集对流形进行非高斯概率学习的贝叶斯后验概率抽样(2020年)
  8. Timothy D.Meehan,Nicole L.Michel,Håvard Rue:使用R-INSLA软件包估算动物丰度(2020)不是zbMATH
  9. Wong,Jackie S.T.;Forster,Jonathan J.;Smith,Peter W.F.:桥梁采样器的特性,重点是分离MCMC样品(2020年)
  10. 张汉泽;黄扬新:基于分位数回归的纵向生存数据贝叶斯联合建模分析及其在艾滋病队列研究中的应用(2020)
  11. Ahmadi,Kambiz;Ghafouri,Somayeh:基于渐进式II型截尾的广义半正态分布下多部件应力强度模型的可靠性估计(2019年)
  12. Amaral Turkman,Maria Antónia;Paulino,Carlos Daniel;Müller,Peter:计算贝叶斯统计。简介(2019)
  13. Ascari,Roberto;Migliorati,Sonia;Ongaro,Andrea:simplex混合模型的贝叶斯推断(2019)
  14. Barber,Xavier;Conesa,David;López Quílez,Antonio;Morales,Javier:多元生物气候指数建模:一种共同区域化方法(2019年)
  15. Broemeling,Lyle D.:时间序列的贝叶斯分析(2019)
  16. Corpas Burgos,F.;Botella Rocamora,P.;Martinez-Beneito,M.A.:高多元疾病定位中异方差的便利性(2019年)
  17. Cox,Marco;van de Laar,Thijs;de Vries,Bert:贝叶斯信号处理算法自动设计的因子图方法(2019年)
  18. Djeundje,Viani Biatat;Crook,Jonathan:使用一般加法模型识别信用风险生存数据中的隐藏模式(2019年)
  19. Franco,Glaura C.;Migon,Helio S.;Prates,Marcos O.:计数数据的时间序列:回顾、经验比较和数据分析(2019年)
  20. Gómez Rubio,弗吉尼亚;PalmíPerales,Francisco;López Abente,冈萨罗;Ramis Prieto,Rebeca;Fernández Navarro,Pablo:多种疾病的贝叶斯联合时空分析(2019年)

1 2 ... 33 34 35 下一个