Tài liệu tham khảo

• Brooks, S., Gelman, A., Phương pháp chung để theo dõi sự hội tụ của Lặp lại Dữ liệu mô phỏng, 1998.

• Chen, A., Chan, D., Koehler, J., Wang, Y., CN, Y,, Jin, Y., Perry, M., Google, Inc. Sửa lỗi sai lệch về kết quả tìm kiếm có trả phí trong truyền thông hỗn hợp Lập mô hình, 2018.

• Clark, Michael. Kiến thức cơ bản về Bayesian: Giới thiệu khái niệm về ứng dụng theo R và Stan. Đại học Michigan. (11/9/2015).

• Gelman, A., Rubin, D., Suy luận từ mô phỏng lặp lại bằng nhiều Trình tự, 1992.

• Hern ́an MA, Robins JM (2020). Suy luận nhân quả: Điều gì Nếu. Khăn Boca Raton: Chapman và Hội trường/CRC.

• Jin, Y., Wang, Y., CN, Y,, Chan, D., Koehler, J., Google LLC. Tiếng Bayesian Phương pháp lập mô hình truyền thông hỗn hợp bằng phương pháp chuyển tiếp và hình dạng Hiệu ứng 2017.

• Ng, E., Wang, Z., & Dai, A. Mô hình hệ số thay đổi theo thời gian Bayesian với Ứng dụng vào Marketing Mix Modeling 2021.

• Trân trọng, Judea. Tính nhân quả. Nhà xuất bản Đại học Cambridge. (14-09-2009) ISBN 9781139643986.

• Spline (toán), Wikipedia.

• CN, Y,, Wang, Y., Jin, Y., Chan, D., Koehler, J., Google Inc. Cấp địa lý Danh sách kết hợp truyền thông phân cấp Bayesian Lập mô hình 2017.

• Xác suất dòng chảy cảm biến.

• Wang, Y., Jin, Y., CN, Y,, Chan, D., Koehler, J., Google LLC A Phương pháp tiếp cận Bayes phân cấp để cải thiện các mô hình truyền thông hỗn hợp sử dụng danh mục Dữ liệu, 2017.

• Zhang, Y., Wurm, M., Li, E., Wakim, A., Kelly, J., Giá, tỷ, Lưu, Y., Google Inc. Hiệu chỉnh mô hình truyền thông hỗn hợp với Bayesian Ưu tiên 2023.

• Zhang, Y., Wurm, M., Wakim, A., Li, E., Lưu, Y., Google LLC. Tiếng Bayesian Mô hình truyền thông hỗn hợp phân cấp kết hợp phạm vi tiếp cận và tần suất Dữ liệu 2023.