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）。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献80篇文章)

显示第1到第20个结果，共80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. Bonner，S.，Kim，H.-N.，Westneat，D.，Mutzel，A.，Wright，J.，Schofield，M.：dalmatian：通过JAGS和nimble在R中拟合双层线性模型的包（2021）不是zbMATH
  3. Mayrink，V.D.，Duarte，J.D.N.，Demarqui，F.N.：pexm：用于涉及分段指数分布的应用的JAGS模块（2021）不是zbMATH
  4. Michaud，N.，de Valpine，P.，Turek，D.，Paciorek，C.J.，Nguyen，D.：敏捷和敏捷MC R包中的序贯蒙特卡罗方法（2021）不是zbMATH
  5. 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）
  6. Farzammehr，Mohadeseh Alsadat；扎德卡拉米，穆罕默德·雷扎；麦克拉克伦，杰弗里J。；Lee，Sharon X.：倾斜正态贝叶斯空间异质性面板数据模型（2020）
  7. 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
  8. Amaral Turkman，Maria Antónia；保利诺，卡洛斯·丹尼尔；Müller，Peter:计算贝叶斯统计。简介（2019）
  9. 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）
  10. 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）
  11. 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
  12. 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）
  13. 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）
  14. 刘、杨；Hannig，Jan:logistic分级响应模型的广义基准推断（2017）
  15. 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）
  16. 穆萨尔，拉西姆M。；Ekin，Tahir:医疗超额支付估计：贝叶斯方法（2017）
  17. Paul Christian Bürkner:brms:Stan用于贝叶斯多级模型的R包（2017）不是zbMATH
  18. Tango，Toshiro:随机对照试验的广义线性混合模型重复测量设计（2017）
  19. 杨金永；Rosenthal，Jeffrey S.：通过新的自适应诊断自动调整通用MCMC（2017）
  20. 阿奇卡，豪尔赫A。；Lopes，Sílvia R.C.：线性和非线性回归模型，假设稳定分布（2016）