XiaoMi-AI文件搜索系统
World File Search SystemRaftery
Luca Scrucca – 简历
18. Scrucca L.、Fop M.、Murphy TB、Raftery AE（2017）使用高斯有限混合模型进行聚类、分类和密度估计的 mclust R 包，第 10 届 ERCIMWGon Computationaland Methodological Statistics 国际会议，第 11 届计算和金融计量经济学国际会议，英国伦敦大学参议院大厦，2017 年 12 月 16 日至 18 日，摘要集，第 175 页。
未来 SG 5 与非军事化和... 相关的工作活动
欢迎海军水面作战中心 Crane 分部的 Don Schulte 先生召集/欢迎国防弹药中心 James Wheeler 主旨介绍 Crane 陆军弹药活动主旨演讲联合弹药司令部 CG James Rogers 准将（受邀）不断变化的监管兴趣团队的材料 OSD Shannon Cunniff 女士向业界进行高级规划简报会 LTC Brian Raftery，非军事化产品经理 ICAP 更新 El Dorado Engineering Inc. 的 Ralph Hayes 先生 JMC 非军事化执行更新 Lou Ligeno 先生联合弹药司令部 JOCG/NDIA JOHN L. BYRD, JR. 弹药非军事化卓越纪念奖由 JMC 的 BG James Rogers；JOCG 非军事化/处置小组主席 James Wheeler 先生颁发； MG Barry Bates（退役），NDIA 陆军导弹非军事化计划 Larry Gunter 先生，美国陆军航空兵和导弹司令部
协议v8.1减少初级保健中的呼吸道感染
Paul Little首席调查员Adam Geraghty博士合伙调查员调查员的计划赠款教授露西·Yardley南安普敦大学 /布里斯托尔大学布里斯托尔大学布里斯托尔·海斯托尔大学布里斯托尔大学教授克里斯托弗·巴特勒教授牛津大学牛津大学教授尼克·弗朗西斯·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克·尼克南安普敦的理查兹霍尔大学苏瓦朱南斯普顿大学博士贝丝·斯图尔特博士贝丝·斯图尔特大学南安普敦女士索尼亚·诺曼斯特顿女士南安普敦教授詹姆斯·拉夫特顿教授南安普敦教授本·阿恩斯沃思巴斯博士凯特·布拉德伯里·凯特·布拉德伯里·南安普顿大学南安普顿大学南安普顿丹尼姆·丹尼斯特·莱斯特·莱尔·莱尔·莱尔特·莱尔·莱斯特·莱斯顿大学的凯特·布拉德伯里大学博士南安普敦的西安·威廉姆森大学，凯特·拉姆斯比大学南安普敦大学，南安普敦简·维尼克大学博士
去增长是什么意思？几点澄清
人类文明目前正在超越许多关键的地球边界，面临着生态崩溃的多维危机，包括危险的气候变化、海洋酸化、森林砍伐和生物多样性崩溃（Lenton 等人，2020 年；Rockström 等人，2009 年；Ste ffien 等人，2015 年；Ste ffien 等人，2018 年）。与关于人类世的一般叙述相反，这场危机不是由人类本身引起的，而是由特定的经济体系引起的：这个体系以永久扩张为前提，不成比例地使少数富人受益（Moore，2015 年）。经济增长与生态崩溃之间的关系现在在实证记录中得到了很好的证明。主流经济学中，主流观点认为我们必须继续追求永久增长（见 Hickel，2018a），因此必须寻求将 GDP 与生态影响脱钩，实现“绿色”增长。不幸的是，绿色增长的希望没有什么根据。没有历史证据表明 GDP 与资源使用（以物质足迹衡量）长期绝对脱钩，所有现存模型都预测即使在乐观条件下也无法实现这一目标（Hickel & Kallis，2020 年；Vadén、Lähde、Majava、Järvensivu、Toivanen & Eronen，2020 年；Vadén 等人，2020b）。只需用可再生能源取代化石燃料，即可实现 GDP 与排放的绝对脱钩；但如果经济继续以正常速度增长，这一目标的实现速度无法足够快，无法实现 1.5°C 和 2°C 的碳预算。更快的增长意味着更多的能源需求，而更多的能源需求使得在我们剩下的短暂时间内用可再生能源来满足它变得更加困难（Hickel & Kallis，2020年；Raftery 等人，2017 年；Schroder & Storm，2020 年）。
分析模拟环境极端的极端价值统计
环境现象。在气候科学中，在包括温度在内的广泛变量的建模中已经取得了显着的进步（Clarkson等人。2023），降水（Katz 1999），风速（Kunz等2010; Fawcett和Walshaw 2006）以及其他更广泛的环境主题（包括水文学）（Towler等人2010; Katz等。2002）和空气污染（Gouldsbrough等人 2022）。 在本文中，我们概述了“ Uniofbathtopia”团队在第13届国际极端价值分析会议（EVA2023）举办的数据挑战中使用的技术。 可以在社论中找到对任务的完整描述（Rohrbeck等人 2023）。 我们概述了四个子挑战中的每一个方法，在该方法中，我们根据每个任务的要求，将极值统计的传统方法与其他统计学建模技术进行补充。 挑战涉及在环境应用的背景下，在“乌托邦”的精美国家设计的环境应用中估算极边缘的分位数，边缘超出概率和关节尾概率。 竞争组织者使用已知参数模拟了数据，以便可以验证和比较团队的模型，并以模仿现实世界过程所表现出的丰富，复杂的行为。 因此，我们期望我们提出的方法的性能扩展到一般设置和应用程序。 我们还使用引导方法进行置信间隔估计（Gilleland 2020）。 2013）。2002）和空气污染（Gouldsbrough等人2022）。在本文中，我们概述了“ Uniofbathtopia”团队在第13届国际极端价值分析会议（EVA2023）举办的数据挑战中使用的技术。可以在社论中找到对任务的完整描述（Rohrbeck等人2023）。我们概述了四个子挑战中的每一个方法，在该方法中，我们根据每个任务的要求，将极值统计的传统方法与其他统计学建模技术进行补充。挑战涉及在环境应用的背景下，在“乌托邦”的精美国家设计的环境应用中估算极边缘的分位数，边缘超出概率和关节尾概率。竞争组织者使用已知参数模拟了数据，以便可以验证和比较团队的模型，并以模仿现实世界过程所表现出的丰富，复杂的行为。因此，我们期望我们提出的方法的性能扩展到一般设置和应用程序。我们还使用引导方法进行置信间隔估计（Gilleland 2020）。2013）。在单变量任务中，我们使用了广义帕累托分布（GPD），并使用基于模型的聚类方法在内（Hastie等人。2009）和混合模型（Fraley and Raftery 2002）以及马尔可夫链蒙特卡洛（MCMC）进行参数估计（Coles and Powell 1996）。对于多元问题，我们的方法基于定期变化随机变量的最大线性组合的参数族（Fougères等人。我们使用现代的现代精学学习技术（包括稀疏诱导的预测和聚类），推动了对这些模型进行推理的新方法，推进了现有方法（Cooley and Thibaud 2019; Kiriliouk and Zhou 2022）。我们工作的新方面是：探索尾尾行为不确定性较大的系统的MCMC参数估计偏置，并提出了基于稀疏投影的Max-linear模型的噪声系数的新估计器。本文的格式如下：第2节描述了我们针对单变量挑战的解决方案，每个挑战将每个挑战分为方法论和结果。第3节介绍了必要的背景理论，这些理论是从多变量极端的。我们在第4节中对我们的绩效进行了一些最后的讨论。
海鹦儿童读物
Puffin Clothbound Classics 提供全球广受欢迎的经典作品的精美收藏精装版 - 包括引人入胜的《大卫·科波菲尔》 175 周年纪念版。对于我的藏书来说，这是一本亮点 - 查尔斯·狄更斯。《大卫·科波菲尔》充满了悲剧和喜剧，是狄更斯作品中一部经久不衰、广受欢迎的小说，部分源于他自己的生活。著名人物包括默德斯通先生、佩格蒂护士、斯蒂福斯、贝茜·特洛伍德、尤赖亚·希普、多拉和麦考伯先生，每个人都有独特的个性。这是 1943 年至 1947 年间出版的儿童读物集，收录了一系列故事和冒险故事。这些书目包括：1. 罗伯特·吉宾斯 (Robert Gibbings) 的《儿童版路易斯·巴斯德的一生》(1943 年) 2. WE·格拉德斯通和威廉·格里蒙德的《海鹦谜题书》(1944 年) 3. 亨宁·哈斯伦德-克里斯滕森 (Henning Haslund-Christensen) 的《蒙古的帐篷》，埃莉诺·格雷厄姆 (Eleanor Graham) 编写 (1943 年) 4. 拉瑟福德·蒙哥马利 (Rutherford Montgomery) 和 LD·克拉姆 (LD Cram) 的《卡尔卡茹》(1944 年) 5. 维塔利·瓦伦蒂诺维奇·比安基 (Vitaly Valentinovich Bianki)、Y. 查鲁什金 (Y. Charushkin) 和 V. 科贝列夫 (V. Kobelev) 的《穆尔祖克：一只猞猁的故事》，艾维·洛 (Ivy Low) 译 (1944 年) 6. 约翰·奥斯汀·巴登 (John Austin Budden) 和 HJP·布朗 (HJP Browne) 的《丛林约翰》(1944 年) 7. 玛格达伦·金-霍尔 (Magdalen King-Hall) 和 AH·霍尔 (AH Hall) 的《准备拳头的约翰》(1944 年) 8.鸽子》作者：Dhan Gopal Mukerji 和 Boris Artzybasheff（1944 年） 9. 我的朋友利基先生》作者：JBS Haldane（1944 年） 10. 阿夫克的十个孩子》作者：Nienke van Hichtum，Marie Kiersted Pidgeon 译（1945 年） 11. 马乔里·菲舍尔和理查德·弗洛斯的《星期一的宫殿》作者：Marjorie Fischer 和 Richard Floethe（1945 年） 12. 椰子岛》作者：Robert Gibbings（1945 年） 13. 亚麻辫：真实的瑞典童年篇章》作者：Annette Turngren，Dorothy Bayley 译（1945 年） 14. 基蒂·巴恩和史蒂文·斯普里尔的《我们将在英格兰见面》作者：Kitty Barne 和 Steven Spurrier（1945 年） 15. 罗伯特·路易斯·史蒂文森的《儿童诗歌花园》作者：Robert Louis Stevenson，Eve Garnett 插画（1947 年） 16. Carola Oman 的《Ferry the Fearless》（1945 年） 17. MI Ross 的《Greentree Downs》（1945 年） 18. K. Marshall 和 Gwen White 的《David Goes to Zululand》（1946 年） 19. Harry Mortimer Batten 的《Starlight》（1946 年） 20. Alan 的《Stormalong》（未注明日期） 这些书展示了各种主题，包括冒险、探索和历史事件，都以引人入胜的方式呈现给年轻读者。 1940 年代儿童读物系列出版物清单：出版了 William Grimmond 的《男孩环游世界的故事》、Barbara Euphan Todd 和 John Harwood 的《Worzel Gummidge and Saucy Nancy》和 Noel Streatfeild 的《Ballet Shoes》等书籍。这些故事涵盖了冒险、发现和探索等各种主题，以布兰斯塔姆教授和他的发明等人物或克里斯托弗·哥伦布探险队的不可思议的冒险经历为特色。这是一本经典儿童故事集，讲述了冒险、神秘和自我发现的故事。故事范围从摄政时期的走私冒险到穿越魔幻土地的奇幻旅程。在一个故事中，一个名叫苏珊娜的英国女孩在 19 世纪 90 年代被送到加拿大荒野与一位单身军官一起生活。尽管最初不情愿，但她很快就以善良的心赢得了她叔叔和堡垒指挥官的青睐。另一个故事讲述了五个兄弟姐妹在德文郡度假时发现了一条通往走私者洞穴的秘密通道。他们充满冒险的夏天充满了刺激和危险。一个关于很久以前爱丁堡学生生活的丰富故事大致基于沃尔特·斯科特爵士的生活，通过一个小男孩的眼睛，让我们一窥过去，了解他在学校和友谊中前进的道路。另一个激动人心的故事以 17 世纪英国内战中幸存下来的孩子们为中心，展现了孩子们在逆境中的坚韧和勇气。一只灰鹅踏上了去市场的冒险之旅，发现自己卷入了与《爱丽丝梦游仙境》中发生的事件相媲美的奇怪而神奇的事件中。对于一个名叫希拉的小女孩来说，这次探索之旅充满了惊奇和兴奋。格林童话带来了一丝黑暗和魔幻，通过乔治·克鲁克香克的插图展示了格林兄弟独特的讲故事风格。两个在法国度假的美国孩子偶然发现了一个充满冒险的夜晚，他们永远不会忘记。发现和探索的刺激贯穿了他们的整个暑假，结果发现这不仅仅是观光。布朗一家在湖区开始了家庭和假期冒险，在经历人生的起起落落时充满了兴奋和欢笑。十八篇关于爱尔兰的短篇小说带读者领略翡翠岛的魅力，展现这个国家的美丽和魅力。这本小说集充满了冒险、神秘和温馨的时刻，让读者意犹未尽。一个名叫迪肯的英国男孩被困在弗吉尼亚海岸，发现自己身处莱纳佩印第安文化之中。他的旅程是一次自我发现和学习之旅，他探索了一个新世界。住在印度村庄树上的精灵被一辆红色汽车的到来打乱了，引发了一系列事件，为所有参与者带来了一场神奇而激动人心的冒险。这些来自过去的故事让我们一窥儿童文学的想象力，展示了几代读者着迷的无限创造力和奇迹。这些小册子是来自世界各地鲜为人知的儿童读物的集合，每本都提供了对自然历史、冒险和励志故事的独特视角。这套书突出了各种故事和经历。它强调观鸟是为了观察活鸟，而不是收集标本或鸟蛋。以下是一些值得注意的书名：1. PS 72 - “海鹦诗集”专注于诗歌，埃莉诺·格雷厄姆担任编辑。2. PS 73 - 根据原始资料重述亚瑟王的故事，讲述了一个激动人心的故事，其中生动描述了宴会、马上长矛比武和身穿盔甲的骑士。3. PS 74 - “五个骄傲的骑士”讲述了五个年龄在 10 到 14 岁之间的孩子在新森林中第一次独自骑马冒险的故事。4. PS 75 - “去西班牙大陆上学”以独特的背景探索了中美洲的学校生活。5. PS 76 - 一部经典的 19 世纪小说“小妇人”讲述了四姐妹的生活，并以作者自己的童年经历为基础。 6. PS 77 - 在这部动画电影和电视连续剧故事中，玩具“木乃伊”的冒险故事栩栩如生，他寻找朋友稻草人。 7. PS 78 - 以克里斯托弗·哥伦布时代为背景的惊心动魄的冒险故事，主角是“西班牙的摩尔人”。 8. PS 79 - “梅丽莎”以摄政时期为背景，讲述了这个时代的故事。 9. PS 80 - 马克·吐温的经典小说《哈克贝利·费恩历险记》讲述了哈克和他在密西西比河上的冒险经历。 10. PS 81 - “漂浮家庭”在遇到意想不到的挑战时，航海假期出了问题。 11. PS 82 - “通往提康德罗加之路或长搬运”是 18 世纪的冒险故事，发生在法国和印第安人战争期间。每本书都以独特的方式融合了冒险、历史和个人经历，吸引着不同的读者群。回顾 20 世纪 50 年代加拿大儿童读物的历史，有几本书以引人入胜的故事叙述和令人难忘的人物形象脱颖而出。拉舒特河的搬运处是尚普兰湖和乔治湖之间的重要战略要地。它在英国控制的哈德逊河谷和法国控制的圣劳伦斯河谷之间的贸易中发挥了至关重要的作用。这本故事集讲述了婆罗洲丛林中的动物故事，那里没有动物可以杀死另一只动物。这些故事传达了动物在面对人类入侵威胁时之间的一种友爱和共同的担忧。其他书目，如《欣赏画作》、《去听音乐会》和《长耳朵》，展示了儿童在各种环境中的经历，包括艺术欣赏、音乐表演和动物邂逅。故事围绕着住在威斯康星州农场的小女孩 Garnet Linden 展开，她发现了一个银顶针，从而结束了干旱，并经历了一系列愉快的冒险。其中一部著名的作品是《马来历险记》，这是一部 19 世纪的关于海盗战船和英国水手在热带河流中与海盗作战的故事。故事中还有“住在谷仓里的孩子们”，苏珊和鲍勃这对兄妹要照顾他们年幼的双胞胎和婴儿，面临着生存和当地人的关注等挑战。除了这些作品外，其他值得注意的作品包括“海鹦问答书”，其中可能包括有关海鹦的问题，以及“印度边境的男孩”。计划将年幼的兄弟姐妹送走，但他们逃了出来，在与马戏团一起旅行的格斯叔叔那里找到了避难所。在夏天，他们长大了，并了解了自己在马戏团社区中的地位。小女孩海蒂搬去和独居的祖父住在一起。她迷住了他，并帮助生病的朋友恢复了健康。《魔法布丁》讲述了邦伊普与朋友比尔和萨姆的冒险经历。一头红母牛学会了把自由看得高于一切。 《海鹦歌集》收录了 100 多首歌曲，包括“咩，咩，黑羊”等经典颂歌。罗宾汉故事讲述了两个少年侦探，诺曼和亨利·博恩斯。在四个关于神秘和侦探的故事中，少年侦探破解了四个谜团。《红帽子逃跑》讲述了一个小男孩在黑死病爆发前加入吟游诗人的故事。《野蛮黄金》是一部以南非为背景的冒险故事。《走私者森林的秘密》讲述了人物应对村庄遭受严重风暴影响的故事。《月亮在前》是一部关于飞往月球的惊悚片。《我口袋里的魔法》收录了一系列儿童故事。 PS 109：闹鬼的礁石 PS 110：借东西的人 PS 111：所罗门王的矿山 PS 112：第二本海鹦谜题书 PS 113：危险地坠入一个陌生的失落世界 PS 114：歌唱的森林 PS 115：丛林假期 PS 116：寻宝者的故事 PS 117：回到过去 PS 118：去看歌剧 PS 119：希腊英雄的故事 PS 120：特洛伊的故事 PS 121：海鹦诗人四重奏 PS 122：想成为好人的人 PS 123：我的淘气小妹妹 PS 124：小皮特的故事 PS 125：小木马历险记 PS 126：埃米尔和侦探 PS 127：洞穴双胞胎 PS 128：五个孩子和它 PS 129：凤凰和魔毯 PS 130：护身符的故事 PS 131：雪崩！ PS 132：狮子、女巫和魔衣橱 PS 133：善良的主人 PS 134：锻造厂的破坏 经典海鹦图书目录 早期海鹦故事书名单包含 1941 年至 1960 年间的众多书名，包括“PS 135 耶稣的故事 Eleanor Graham Brian Wildsmith 1959”和许多其他作品。著名出版物包括： - PS 136 六位伟大的英国人 - PS 137 同名人 C. Walter Hodges - PS 138 借东西的小人儿 Mary Norton - PS 139 阿斯加德传奇 Roger Lancelyn Green Brian Wildsmith - PS 140 费尔农场露营者 Marjorie Lloyd Shirley Hughes - PS 141 埃莉诺·法杰恩的书：故事、诗歌、戏剧 Eleanor Farjeon、James Reeves、EVRieu 和 Ian Serraillier Edward Ardizzone - PS 142 第二本 Puffin 智力竞赛书 Norman 和 Margaret Dixon - PS 143 一亿法郎 Paul Berna - PS 144 雪云种马 Gerald Raftery Barrie Driscoll - PS 145 西米特拉的孤儿 Paul-Jacques Bonzon - PS146 银剑 Ian Serraillier C. Walter Hodges - PS 147 铁路儿童 E. Nesbit CE Brock - PS 148 四英尺和二：诗歌选集 Leila Berg（编辑）Shirley Burke 和 Marvin Bileck - PS 149 幸运抽奖 Ruth Ainsworth Geraldine Spence Puffin Classics 系列包括查尔斯·狄更斯的《远大前程》，为现代读者提供了迷人的版本。皮普前往伦敦的动机是他想成为一名优雅的绅士，但他没有想到他过去与可怕的马格韦契的遭遇会对他的生活产生如此深远的影响，并打破他对自己的先入之见。
贝叶斯数据分析
请在我们身份验证您的情况下等待...2016年贝叶斯分析学会的2016年奖项获得了这本著名的书，现在是第三版，被广泛认为是贝叶斯方法的主要文本，它因其实用和可访问的方法来分析数据和解决研究问题而受到赞扬。介绍先进的方法，文本具有从真实应用和研究中得出的众多工作示例，强调在本版中使用贝叶斯推断在实践中的实践中使用了四章，这些章节是关于非参数建模的四章，以及关于弱小的先验，避免边界的先验，跨越的先验，交叉竞争和预测信息的宣布，在三个方面使用的学生的最新章节：原则；对于研究生，它提出了贝叶斯建模和计算的有效当前方法；对于研究人员而言，它在应用统计数据中提供了各种贝叶斯方法的其他材料，包括数据集，选定练习的解决方案和软件说明，在书的网页上提供了一些研究人员，强调了在组织科学中使用贝叶斯方法进行数据分析的重要性。 但是，在采用贝叶斯方法时，仍然存在一些挑战和局限性。 例如，一个问题是贝叶斯方法需要指定先前的分布，这可能很困难，尤其是在使用复杂模型时。 Berger，J。2016年贝叶斯分析学会的2016年奖项获得了这本著名的书，现在是第三版，被广泛认为是贝叶斯方法的主要文本，它因其实用和可访问的方法来分析数据和解决研究问题而受到赞扬。介绍先进的方法，文本具有从真实应用和研究中得出的众多工作示例，强调在本版中使用贝叶斯推断在实践中的实践中使用了四章，这些章节是关于非参数建模的四章，以及关于弱小的先验，避免边界的先验，跨越的先验，交叉竞争和预测信息的宣布，在三个方面使用的学生的最新章节：原则；对于研究生，它提出了贝叶斯建模和计算的有效当前方法；对于研究人员而言，它在应用统计数据中提供了各种贝叶斯方法的其他材料，包括数据集，选定练习的解决方案和软件说明，在书的网页上提供了一些研究人员，强调了在组织科学中使用贝叶斯方法进行数据分析的重要性。但是，在采用贝叶斯方法时，仍然存在一些挑战和局限性。例如，一个问题是贝叶斯方法需要指定先前的分布，这可能很困难，尤其是在使用复杂模型时。Berger，J。一些研究人员提出了各种技术来提出专家判断以告知先前分布的技术。，例如，O'Hagan等。（2006）提供了先前启发的综合指南，包括技术和潜在的陷阱。其他研究的重点是开发使用贝叶斯先验的专家的信念的方法（例如，Johnson等，2010）。此外，还有各种可用的在线资源可以帮助进行贝叶斯分析。例如，Van de Schoot的在线统计培训提供了有关高级统计主题的教程和练习。总的来说，在组织科学中使用贝叶斯方法的使用变得越来越重要，但是它需要仔细考虑先前的分布和启发技术，以确保准确的结果。注意：我已经删除了一些特定的参考，并重点介绍了要点。让我知道您是否希望我保留更多原始文本！van de de Schoot-Hubeek，W.，Hoijtink，H.，Van de Schoot，R.，Zondervan-Zwijnenburg，M。＆Lek，K。评估专家判断引发程序，以相关性和应用于贝叶斯分析。客观的贝叶斯分析：对主观贝叶斯分析的案例，批评和个人观点。Brown，L。D.经验贝叶斯和贝叶斯方法的现场测试，用于击球平均赛季预测。Candel，M。J.，Winkens，B。Monte Carlo研究在纵向设计中多级分析中的经验贝叶斯估计值的性能。Ibrahim，J。G.，Chen，M。H.，Gwon，Y。Ibrahim，J。G.，Chen，M。H.，Gwon，Y。darnieder，W。F.贝叶斯方法依赖数据依赖的先验。＆Chen，F。权力先验：具有统计功率计算的理论和应用。Muthen，B。，Asparouhov，T。贝叶斯结构方程建模：使用数据依赖性先验对实体理论的更灵活的表示。Rietbergen，C.，Klugkist，I.，Janssen，K。J.，Moons，K。G.＆Hoijtink，H。将历史数据纳入随机治疗试验的分析中，以及基于系统文献搜索和专家精力提示的知识的贝叶斯PTSD-Traigntory分析。van der Linden，W。J.在自适应测试中使用响应时间进行项目选择。Wasserman，L。使用数据依赖性先验对混合模型的渐近推断。请注意，我保留了您的消息的原始语言而不翻译。给定文本：释义此文本：数据（版本V1.0）。Zenodo（2020）。元素Google Scholar Chung，Y.，Gelman，A.，Rabe-Hesketh，S.，Liu，J。＆Dorie，V。层次模型中协方差矩阵的点估计值较弱。J.教育。行为。Stat。40，136–157（2015）。Google Scholar Gelman，A.，Jakulin，A.，Pittau，M。G.＆Su，Y.-S。 logistic和其他回归模型的弱信息默认分布。ann。应用。Stat。2，1360–1383（2008）。MathScinetMath Google Scholar Gelman，A.，Carlin，J。 B.，Stern，H。S.＆Rubin，D。B. Bayesian数据分析卷。 2（Chapman＆Hallcrc，2004）。Jeffreys，H。概率理论卷。 am。 Stat。2，1360–1383（2008）。MathScinetMath Google Scholar Gelman，A.，Carlin，J。B.，Stern，H。S.＆Rubin，D。B. Bayesian数据分析卷。2（Chapman＆Hallcrc，2004）。Jeffreys，H。概率理论卷。am。Stat。3（Clarendon，1961）.Seaman III，J。W.，Seaman Jr，J。W.＆Stamey，J。D.指定非信息先验的隐藏危险。66，77–84（2012）.MathScinet Google Scholar Gelman，A。层次模型中方差参数的先前分布（Browne和Draper对文章的评论）。贝叶斯肛门。1，515–534（2006）.MathScinet Math Google Scholar Lambert，P.C.，Sutton，A。J.，Burton，P.R.，Abrams，K。R.＆Jones，D。R.含糊不清？对使用Winbugs在MCMC中使用模糊的先验分布的影响的仿真研究。Stat。Med。24，2401–2428（2005）。MathScinetGoogle Scholar Depaoli，S。在不同程度的类别分离的情况下，GMM中的混合类别恢复：频繁主义者与贝叶斯的估计。Psychol。方法18，186–219（2013）。Google Scholar DePaoli，S。＆Van de Schoot，R。贝叶斯统计中的透明度和复制：WAMBS-CHECKLIST。Psychol。方法22，240（2017）。本文提供了有关如何在使用贝叶斯统计数据估算模型时如何检查各个点的分步指南。统计建模模型检查中的贝叶斯模型检查和鲁棒性是一种用于评估统计模型准确性的方法。它涉及使用各种诊断工具来检查模型的潜在问题，例如偏见或过度拟合。贝叶斯模型检查是传统模型检查的扩展，将先前的信念纳入分析中。再次。贝叶斯模型检查的关键应用之一是检测先前数据冲突。贝叶斯模型检查近年来变得越来越重要，因为它能够提供对统计模型的更细微理解的能力。它允许研究人员量化数据中包含的信息量，并评估其结论的可靠性。一些研究人员为贝叶斯模型检查技术的发展做出了重大贡献，包括Nott等，Evans和Moshonov，Young and Pettit，Kass和Raftery，Bousquet，Veen和Stoel，以及Nott等。这些研究人员介绍了各种诊断工具和评估先前数据协议和冲突的标准。这会发生在同一数据集的先前信念和数据之间存在差异时。像埃文斯（Evans），莫索诺夫（Moshonov）和杨（Young）这样的研究人员已经开发了使用诸如后验预测分布等指标来量化这一冲突的方法。贝叶斯模型检查也已应用于贝叶斯模型中的可能性推断。像Gelman，Simpson和Betancourt这样的研究人员强调了理解表达先前信念的上下文的重要性。除了其方法论上的意义外，贝叶斯模型检查还在社会科学，医学和金融等领域还采用了实际应用。它可以通过确定统计模型的潜在问题来帮助研究人员和政策制定者做出更明智的决定。在此处给定文章，此处28，319–339（2013）.MathScinet Math Google Scholar Rubin，D。B. Bayesian具有合理的频率计算，适用于应用的统计学家。ann。Stat。J.am。12，1151–1172（1984）。Mathscinet Math Google Scholar Gelfand，A。E.＆Smith，A。F. M.基于采样的方法来计算边际密度。 Stat。 合作。 85，398–409（1990）。 这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。 ifna（1991）。 3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。 4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。 ieee trans。 模式肛门。 马赫。 Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。12，1151–1172（1984）。Mathscinet Math Google Scholar Gelfand，A。E.＆Smith，A。F. M.基于采样的方法来计算边际密度。Stat。合作。85，398–409（1990）。 这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。 ifna（1991）。 3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。 4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。 ieee trans。 模式肛门。 马赫。 Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。85，398–409（1990）。这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。ifna（1991）。3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。ieee trans。模式肛门。马赫。Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。Intell。6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。J. Chem。物理。21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J.＆Roweth，D。Hybrid Monte Carlo。物理。Lett。 J. am。 Stat。 合作。Lett。J.am。Stat。合作。b 195，216–222（1987）。＆Wong，W。H.通过数据增强计算后验分布。82，528–540（1987）。 本文解释了当直接计算感兴趣参数的后验密度时，如何使用数据扩展。马尔可夫链蒙特卡洛手册（CRC，2011年）。 本书对MCMC及其在许多不同的应用中的使用进行了全面评论。Gelman，A。Burn-in MCMC，为什么我们更喜欢“热身”一词。 元建模，因果推理和社会科学（2017）。Gelman，A。 ＆Rubin，D。B. 使用多个序列从迭代模拟中推断。 Stat。 SCI。 7，457–511（1992）。 一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.82，528–540（1987）。本文解释了当直接计算感兴趣参数的后验密度时，如何使用数据扩展。马尔可夫链蒙特卡洛手册（CRC，2011年）。本书对MCMC及其在许多不同的应用中的使用进行了全面评论。Gelman，A。Burn-in MCMC，为什么我们更喜欢“热身”一词。元建模，因果推理和社会科学（2017）。Gelman，A。＆Rubin，D。B.使用多个序列从迭代模拟中推断。Stat。SCI。 7，457–511（1992）。 一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.SCI。7，457–511（1992）。一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.一般方法用于监测迭代模拟的收敛性。J. Comput。图。Stat。7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。马尔可夫链蒙特卡洛在实践中57，45-58（1996）。（2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。（2017）。关键参考包括Minka（2013），Hoffman等。（2015），Liang等。 Q.（2015），Liang等。Q.Q.新方法利用排序差异，折叠和本地化技术来增强\（\ hat {r} \）的准确性。此外，本综述强调了贝叶斯建模中变异推理方法的重要性，尤其是随机变体，这些变体是大型数据集或复杂模型的流行近似贝叶斯推理方法的基础。（2013），Kingma和BA（2014），Li等。 （2008），Forte等。 （2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。 （2014）。 用于回归分析中的稀疏信号。 该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。 该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。 其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。 L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J. ＆Friston，K。J. Neuroimage（2005）。 咨询。 临床。（2013），Kingma和BA（2014），Li等。（2008），Forte等。 （2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。 （2014）。 用于回归分析中的稀疏信号。 该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。 该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。 其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。 L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J. ＆Friston，K。J. Neuroimage（2005）。 咨询。 临床。（2008），Forte等。（2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。（2014）。用于回归分析中的稀疏信号。该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J.＆Friston，K。J. Neuroimage（2005）。咨询。临床。Google Scholar Smith，M.，Pütz，B。，Auer，D。＆Fahrmeir，L。Neuroimage（2003）中还讨论了通过空间贝叶斯变量选择评估大脑活动。Google Scholar此外，检查了Zhang，L。，Guindani，M.，Versace，F。＆Vannucci，M。Neuroimage（2014）的时空非参数贝叶斯变量选择模型用于聚类相关时间课程。判断中信息处理的研究采用了各种方法，如Bolt等人的研究中所见，他们探讨了两种戒烟剂在联合使用的有效性，理由是J.Psychol。80，54–65，2012）。在类似的脉中，Billari等。基于贝叶斯范式内的专家评估（人口统计学51，1933–1954，2014）开发了随机人群预测模型。其他研究已经深入研究了暂时的生活变化及其对离婚时间的影响（Fallesen＆Breen，人口统计学53，1377-1398，2016）。同时，Hansford等人。分析了美国律师将军在最高法院的政策领域的位置（Pres。螺柱。49，855–869，2019）。此外，研究重点是使用健康行为综合模型来预测限制“自由糖”消耗（Phipps等人，食欲150，104668，2020）。此外，研究还将贝叶斯统计数据引入了健康心理学，并强调了其在该领域的潜在好处（Depaoli等人，Health Psychol。修订版11，248–264，2017）。Psychol。Gen. 142，573–603，2013; Lee，M。D.，J。 数学。Gen. 142，573–603，2013; Lee，M。D.，J。数学。贝叶斯估计的应用已显示在各种情况下取代传统的t检验，包括认知建模和生态研究（Kruschke，J。Exp。Psychol。55，1-7，2011）。此外，层次结构的贝叶斯模型已在生态学中用于建模种群动态和推断环境参数（Royle＆Dorazio，生态学的分层建模和推断）。通过包括Gimenez等人在内的各种研究人员的工作进一步开发了这种方法。（在标记人群中建模的人口统计过程中，3）和King等。（贝叶斯分析人群生态学）。研究还研究了贝叶斯方法在生态学中的使用，例如使用汉密尔顿蒙特卡洛（Monnahan等人，方法ECOL。Evol。8，339–348，2017）。贝叶斯对生态学的重要性的重要性已被埃里森（Elison）等研究人员（ecol。Lett。 7，509–520，2004）。 最后，已经探索了通过设计启发将专家意见整合到贝叶斯统计模型中，突出了其为先验知识提供信息并提高模型准确性的潜力（Choy等，生态学90，265-277，2009）。 也已经讨论了有关使用贝叶斯评估诊断人群下降的诊断人群下降的方法（King等，J。R. Stat。 Soc。 系列C 57，609–632，2008）。 在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。 - Dennis等。 -McClintock等。Lett。7，509–520，2004）。最后，已经探索了通过设计启发将专家意见整合到贝叶斯统计模型中，突出了其为先验知识提供信息并提高模型准确性的潜力（Choy等，生态学90，265-277，2009）。也已经讨论了有关使用贝叶斯评估诊断人群下降的诊断人群下降的方法（King等，J。R. Stat。Soc。系列C 57，609–632，2008）。 在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。 - Dennis等。 -McClintock等。系列C 57，609–632，2008）。在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。- Dennis等。-McClintock等。总而言之，对判断中信息处理的研究以及贝叶斯统计在各个领域的应用，使人们对这些概念及其对决策和人口建模的影响有了更深入的了解。这些作品涵盖了种群建模的各个方面，包括贝叶斯估计，综合人群模型和遗传关联研究。关键论文包括： - King and Brooks（2008）关于贝叶斯对具有异质性和模型不确定性的封闭种群的估计。（2006）使用生态数据估计密度依赖性，过程噪声和观察误差。（2012）基于多阶段随机步行开发了一个一般的离散时间框架，用于动物运动。-Aeberhard等。（2018）对渔业科学的州空间模型进行了综述。其他值得注意的贡献包括： - Isaac等。（2020）讨论了大规模物种分布模型的数据集成。-McClintock等。（2020）提出了一种使用隐藏的马尔可夫模型来发现生态状态动力学的方法。- King（2014）审查了统计生态及其应用。- Andrieu等。（2010）引入了粒子马尔可夫链蒙特卡洛方法，用于复杂的种群建模。这些研究表明，从人口生存能力分析到遗传关联研究，在理解生态系统中采用的统计技术的多样性，强调了该领域数据整合和高级建模方法的重要性。提出一种利用转移学习以提高数据质量的方法。基因组学，统计和机器学习的交集在理解复杂的生物系统中变得越来越重要。最近的研究探索了多摩智数据集的整合，以发现对人类健康和疾病的新见解。由Argelaguet等人建立了整合多派数据集的框架，该框架采用贝叶斯方法来识别生物学过程的关键因素。该方法已应用于包括单细胞转录组学在内的各个领域，如Yau和Campbell的工作所示，他们使用贝叶斯统计学习来分析大型数据集。研究的另一个领域涉及在英国生物库中对跨树木结构的常规医疗数据进行遗传关联的分析。诸如Stuart和Satija的研究表明，将单细胞分析与基因组学相结合以揭示有关复杂生物系统的新信息的潜力。深层生成模型的发展也促进了单细胞转录组学的进步，如Lopez等人的工作所证明的那样，后者应用了深层生成模型来分析大型数据集。此外，与Wang等人一起，对单细胞转录组学中数据降解和转移学习的研究已显示出令人鼓舞的结果。最近的研究还强调了科学研究中可重复性和公平原则（可访问，可互操作和可重复使用）的重要性。这包括诸如癌症基因组图集和Dryad＆Zenodo之类的举措，旨在促进开放研究实践。提出了功能性变分贝叶斯神经网络。机器学习技术（包括变异自动编码器）的应用也在理解复杂的生物系统方面变得越来越重要。正如Paszke等人的评论中所述，变化自动编码器为将基因组学和统计数据与深层生成模型的整合提供了有希望的方法。总体而言，多摩智数据集，机器学习技术和统计分析的进步的整合已经开辟了新的途径，以理解复杂的生物系统并揭示了对人类健康和疾病的新见解。概率建模的最新进展导致了几种将深度学习与贝叶斯推论相结合的技术的发展。该领域的一个关键概念是变异自动编码器（VAE），它通过将其映射到较低维度的空间中来了解输入数据的概率分布。Hinton等人引入的Beta-Vae框架将VAE限制为学习基本的视觉概念。研究人员还探索了贝叶斯方法在神经网络中的应用，例如高斯过程和周期性随机梯度MCMC。例如，尼尔在神经网络上的贝叶斯学习方面的工作突出了神经网络与高斯过程之间的联系。此外，已证明将深层合奏用于预测不确定性估计在各种任务中都是有效的。最近的预印象提出了新的新技术，包括功能变分贝叶斯神经网络和细心的神经过程。后者使用注意机制从输入数据中学习相关特征。res。另一项研究的重点是开发更可扩展和可解释的模型，例如标准化流量和周期性随机梯度MCMC。该领域在理解深度学习的理论基础上，包括神经网络与高斯过程之间的联系，也看到了重大进展。Mackay和Williams的作品为贝叶斯倒退网络提供了一个实用的框架，而Sun等人。总的来说，这些进步有助于我们理解概率建模及其在深度学习中的应用。Hoffman，M。D.＆Gelman，A。 No-U-Turn采样器：在汉密尔顿蒙特卡洛（Monte Carlo）的自适应设置路径长度。 J. Mach。 学习。 15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。Hoffman，M。D.＆Gelman，A。No-U-Turn采样器：在汉密尔顿蒙特卡洛（Monte Carlo）的自适应设置路径长度。J. Mach。 学习。 15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。J. Mach。学习。15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。Stat。Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。J.am。Stat。合作。93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。J. R. Stat。Soc。系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。Stat。计算。10，325–337（2000）。Google Scholar Ntzoufras，I。使用Winbugs Vol。698（Wiley，2011）.Lunn，D。J.，Thomas，A.，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。Stat。计算。10，325–337（2000）。Spiegelhalter，D.，Thomas，A。，Best，N。＆Lunn，D。OpenBugs用户手册版本3.2.3。OpenBugs（2014）.Plummer，M。Jags：使用Gibbs采样的贝叶斯图形模型分析程序。proc。第三国际统计计算的国际研讨会124，1-10（2003）。Google Scholar Plummer，M。Rjags：使用MCMC的贝叶斯图形模型。r软件包版本，4（6）（2016）.Salvatier，J.，Wiecki，T。V.＆Fonnesbeck，C。使用Pymc3在Python中进行概率编程。peerj Comput。SCI。 2，E55（2016）。 Google Scholar de Valpine，P。等。 与模型的编程：编写敏捷的通用模型结构的统计算法。 J. Comput。 图。SCI。2，E55（2016）。 Google Scholar de Valpine，P。等。 与模型的编程：编写敏捷的通用模型结构的统计算法。 J. Comput。 图。2，E55（2016）。Google Scholar de Valpine，P。等。与模型的编程：编写敏捷的通用模型结构的统计算法。J. Comput。图。Stat.s 26, 403–413 (2017).MathSciNet Google Scholar Bayesian analysis software JASP version 0.14 available for computer use (2020) Lindgren F & Rue H used R-INLA for Bayesian spatial modeling in a Stats journal article (2015) Vanhatalo et al's GPstuff allowed Bayesian Gaussian process modeling with Machine Learning Res articles (2013) Blaxter gave research methods in他的2010年McGraw-Hill教育书《如何进行研究》 BetanCourt在Github上创建了一个原则上的贝叶斯工作流程，主张最佳实践（2020）Veen＆Schoot使用了对英超联赛数据的后验预测检查，并在OSF（2020年）上发布了它，并在Kramer＆Bosman（2020）Kramer＆Bosman在Kramer＆Bosman在Kramersship Sumpership Summerschool inter Smixship Summershood prosentie in Utrech Torne in utrecht in of to inty介绍（2019年），UTRECHINE（2019年）（2019年）（2019年）（2019年）（2019年）（2019年）（2019年） Acta Math匈牙利文章（1955）Lesaffre＆Lawson在2012年Wiley Publication撰写了一种新的公理概率理论（1955年），Hoijtink等人使用了贝叶斯评估，用于认知诊断评估，发表在Psych Methods In In In Psych Methods Journal（2014）