OpenBUGS公司

BUGS是一个使用Gibbs抽样进行贝叶斯推理的软件包。用户通过简单地说明相关变量之间的关系来指定(几乎)任意复杂度的统计模型。该软件包括一个“专家系统”,它决定了一个适当的MCMC(马尔可夫链蒙特卡罗)方案(基于Gibbs采样器)来分析指定的模型。然后,用户控制方案的执行,并可以从各种输出类型中自由选择。bug有两个主要版本,即winbug和openbug。这个网站是专门为OpenBUGS,一个开源版本的软件包,所有未来的开发工作都将集中在它上面。因此,OpenBUGS代表了BUGS项目的未来。另一方面,WinBUGS是一个成熟的、稳定的、独立的软件版本,它将继续可用,但不会进一步开发。OpenBUGS的最新版本(从v3.0.7起)在广泛的测试应用程序中被设计成至少与WinBUGS一样高效和可靠。有关WinBUGS的详细信息,请参阅此处。openbug运行在微软Windows、Unix/Linux或Macintosh的x86机器上(使用Wine)。


zbMATH参考文献(参考 68篇文章

显示68个结果中的1到20个。
按年份排序(引用)
  1. Amaral Turkman,Maria Antónia;Paulino,Carlos Daniel;Müller,Peter:计算贝叶斯统计。简介(2019)
  2. Baer,Daniel R.;Lawson,Andrew B.:空间车辆模型变量下的贝叶斯多阶段估计评估(2019年)
  3. Cowles,Mary Kathryn;Bonett,Stephen;Seedorff,Michael:带OpenCL加速的贝叶斯正态条件自回归模型的独立抽样(2018)
  4. 赵静;栾建安;康登:具有多基因效应的贝叶斯线性混合模型(2018)不是zbMATH
  5. Molenaar,Dylan;de Boeck,Paul:响应混合建模:跨响应时间的项目特征异质性解释(2018)
  6. Liu,Yang;Hannig,Jan:logistic分级响应模型的广义基准推断(2017)
  7. Mohammad Modarres;Amiri,Mehdi;Jackson,Christopher:失效概率物理方法到可靠性。建模、加速测试、预测和可靠性评估(2017)
  8. Paul Christian Bürkner:brms:Stan用于贝叶斯多级模型的R包(2017)不是zbMATH
  9. Tango,Toshiro:随机对照试验的广义线性混合模型重复测量设计(2017)
  10. Yang,Jinyoung;Rosenthal,Jeffrey S.:通过新的自适应诊断自动调整通用MCMC(2017)
  11. Achcar,Jorge A.;Lopes,Sílvia R.C.:线性和非线性回归模型,假设稳定分布(2016年)
  12. Chiu,Chia Yi;Köhn,Hans Friedrich:作为logit模型的简化RUM:参数化和约束(2016)
  13. Fonseca,Rodney Vasconcelos;Nobre,Juvêncio Santos;Farias,Rafael Bráz Azevedo:重新参数化Birnbaum-Saunders回归模型中的比较推理和诊断(2016)
  14. Luttinen,Jaakko:BayesPy:Python中的变分贝叶斯推理(2016)
  15. Shaddick,Gavin;Zidek,James V.:环境流行病学的时空方法(2016)
  16. Andrew Finley;Sudipto Banerjee;Alan Gelfand:大型单变量和多变量点参考时空数据模型的spBayes(2015)不是zbMATH
  17. Mahani,Alireza S.;Sharabiani,Mansour T.A.:SIMD并行MCMC采样与大数据贝叶斯分析应用(2015)
  18. Müller,Peter;Quintana,Fernando Andrés;Jara,Alejandro;Hanson,Tim:贝叶斯非参数数据分析(2015)
  19. Musoro,Jammbe Z.;Geskus,Ronald B.;Zwinderman,Aeilko H.:不同类型重复事件和多个纵向结果的联合模型及其在肾移植后患者随访研究中的应用(2015)
  20. 普卢默,马丁:贝叶斯图形模型的削减(2015)