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)