OpenBUGS软件

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中的参考文献(参考文献75篇文章)

显示第1到第20个结果,共75个。
按年份排序(引用)
  1. Bhattacharjee,Atanu:使用R和OpenBUGS的肿瘤学贝叶斯方法(2021)
  2. 罗斯纳,加里L。;劳德,普鲁索塔姆W。;卫斯理.约翰逊:生物统计学中的贝叶斯思维(2021)
  3. 蒂莫西D。米汉,妮可L。米歇尔,Håvard Rue:使用R-INSLA软件包估算动物丰度(2020)不是zbMATH
  4. Amaral Turkman,Maria Antó国家情报局;保利诺,卡洛斯·丹尼尔;ü计算贝叶斯统计。简介(2019)
  5. 贝尔,丹尼尔R。;劳森,安德鲁B.:空间汽车模型变量下的贝叶斯多阶段估计评估(2019年)
  6. 考尔斯,玛丽·凯瑟琳;博内特,斯蒂芬;Seedorff,Michael:OpenCL加速贝叶斯正态条件自回归模型的独立抽样(2018)
  7. 赵晶;建安栾;Peter Congdon:具有多基因效应的贝叶斯线性混合模型(2018)不是zbMATH
  8. 莫莱纳尔,迪伦;de Boeck,Paul:响应混合建模:解释响应时间内项目特征的异质性(2018)
  9. 奥妮丝库,乔治亚娜;劳森,安德鲁B。;张嘉嘉;穆鲁盖塔Gebregziabher;华莱士,克里斯汀;Eberth,Jan M.:小区域癌症数据的空间显式生存模型(2018)
  10. 刘、杨;Hannig,Jan:logistic分级响应模型的广义基准推断(2017)
  11. 莫达拉斯,穆罕默德;阿米里,迈赫迪;Jackson,Christopher:失效概率物理方法的可靠性。建模、加速测试、预测和可靠性评估(2017)
  12. 穆萨尔,拉西姆M。;2017年贝叶斯方法:超额支付
  13. 保罗·克里斯蒂安Bürkner:brms:Stan用于贝叶斯多级模型的R包(2017)不是zbMATH
  14. Tango,Toshiro:随机对照试验的广义线性混合模型重复测量设计(2017)
  15. 杨金永;Rosenthal,Jeffrey S.:通过新的自适应诊断自动调整通用MCMC(2017)
  16. 阿奇卡,豪尔赫A。;洛佩斯,Sí吕维亚R。C、 :线性和非线性回归模型(假设稳定分布)(2016年)
  17. 阿里扎S。玛哈尼,阿萨德哈桑,江马歇尔,曼苏尔T。A。Sharabiani:随机牛顿采样器:R包sns(2016)不是zbMATH
  18. 邱嘉仪;Köhn,Hans Friedrich:作为logit模型的简化RUM:参数化和约束(2016)
  19. 丰塞卡,罗德尼·瓦康塞洛斯;Nobre,Juvêncio桑托斯;法里亚斯,拉斐尔áz Azevedo:重新参数化Birnbaum-Saunders回归模型中的比较推理和诊断(2016)
  20. Härk公司ä嫩,汤米;卡瓦南,朱哈;托洛宁,汉娜;莱顿,里斯托;杰尔夫,卡里;特普郡,Juntunen;Koskinen,Seppo:复杂研究设计中缺失数据的系统处理——来自2000年和2011年健康调查的经验(2016年)