OpenBug

BUG是使用Gibbs Sampling执行贝叶斯推理的软件包。用户通过简单地陈述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”,它确定一个合适的MCMC(马尔可夫链蒙特卡洛)方案(基于吉布斯采样器)用于分析指定的模型。然后,用户控制该方案的执行,并且可以自由选择范围广泛的输出类型。有两个主要版本的bug,即WinBUGS和OpenBug。这个网站致力于OpenBug,它是开源软件包的一个版本,所有的开发工作都将集中在这个版本上。因此,OpenBug代表了Bug项目的未来。另一方面,WiBug是软件的一个已建立的、稳定的、独立的版本,它将仍然可用但没有进一步开发。OpenBug的最新版本(从V3.0.7开始)已经被设计为至少与WiBug在广泛的测试应用中一样高效和可靠。请在这里查看更多关于WiBug的信息。OpenBug在X86机器上运行,使用MS Windows、UNIX/Linux或Macintosh(使用酒)。


ZBMaCT中的参考文献(65篇文章中引用)

显示结果1至20的65。
按年份排序(引文
  1. Amaral Turkman,Maria Ant .Na;Paulino,Carlos Daniel;Mü勒,彼得:计算贝叶斯统计。导论(2019)
  2. Cowles,Mary Kathryn;Bonett,史蒂芬;StordoFF,米迦勒:具有OpenCL加速的贝叶斯正态条件自回归模型的独立抽样(2018)
  3. 景朝;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ZB数学
  4. Meleaar,迪伦;de Boeck,保罗:响应混合建模:考虑响应时间的项目特性的异质性(2018)
  5. 刘,杨;Hannig,简:Logistic分级响应模型的广义基准推理(2017)
  6. 莫达里斯,穆罕默德;阿米里,Mehdi;杰克逊,克里斯托弗:可靠性概率物理方法。建模、加速测试、预后和可靠性评估(2017)
  7. Paul Christian B·U·RKNER:BRMS:使用STAN(2017)的贝叶斯多级模型的R包不是ZB数学
  8. Tango,ToSHIRO:随机对照试验的广义线性混合模型重复测量设计(2017)
  9. 杨,Jinyoung;Rosenthal,Jeffrey S.:通过新的自适应诊断自动调谐通用MCMC(2017)
  10. Chiu,Chia Yi;Ko.Hn,Hans Friedrich:简化的RUM作为logit模型:参数化和约束(2016)
  11. 丰塞卡,Rodney Vasconcelos;Nobre,Juv.NCIO Stotos;法里亚斯,拉斐尔Brasz z AZEVEDO:一个参数化的Burnbun-Saundes回归模型的比较推理和诊断(2016)
  12. Luttinen,Jaykk:BaySpy: Python中的变分贝叶斯推断(2016)
  13. Shaddick,加文;ZIDK,James V.:环境流行病学中的时空方法(2016)
  14. 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SPAYES(2015)不是ZB数学
  15. Mahani,Alireza S.;Sharabiani,Mansour T. A.:SIMD并行MCMC采样及其在大数据贝叶斯分析中的应用(2015)
  16. 米勒,彼得;金塔纳,Fernando Andr,贾拉,亚历杭德罗;汉森,提姆:贝叶斯非参数数据分析(2015)
  17. 穆索罗,Jammbe Z.;GESKUS,Ronald B.;Zwinderman,AEIKO H:一种不同类型的重复事件和多个纵向结果的联合模型,并应用于肾移植术后患者的随访研究(2015)
  18. Plummer,马丁:削减贝叶斯图形模型(2015)
  19. Scuturi,马珂;丹尼斯,Jean Baptiste:贝叶斯网络。R(2015)中的例子
  20. 周,Wenjin;Rossetto,Allison M.:利用贝叶斯统计发现蛋白质热稳定性和自旋偶合常数(2015)