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）。

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；米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）