Brooks, S., .Gelman, A. שיטות כלליות למעקב אחרי ההתכנסות של איטרטיבי הדמיות, 1998.
Chen, A., צ'אן, ד., Koehler, J., .Wang, Y, שמש, Y, Jin, Y., Perry, M., Google, Inc. תיקון הטיה לחיפוש בתשלום במיקס מדיה בניית מודלים, 2018.
קלרק, מייקל. יסודות בייסיאניים: מבוא רעיוני ביישום ב-R ו סטן. האוניברסיטה של מישיגן. (11.09.2015).
.Gelman, A. רובין, ד., הסקת מסקנות מסימולציה איטרטיבית באמצעות שימוש במספרים רצפים, 1992.
Hern SAR, Robins JM (2020). מסקנות סיבתיות: מה אם. בוקה Raton: צ'פמן & הול/CRC.
Jin, Y., .Wang, Y, שמש, Y, צ'אן, ד., Koehler, J., Google Inc. Bayesian שיטות לבניית מודלים של תמהיל מדיה עם נשיאה וצורה אפקטים 2017.
Ng, E., וואנג, זי, & Dai, A. מודל מקדם שינוי זמן בייסיאני עם אפליקציות ליצירת מודלים של תמהיל שיווקי, 2021.
פנינה, יהודה. סיבתיות. העיתונות של אוניברסיטת קיימברידג'. (2009-09-14) ISBN 9781139643986.
Spline (מתמטיקה), ויקיפדיה.
שמש, Y, .Wang, Y, Jin, Y., צ'אן, ד., Koehler, J., Google Inc. ברמת מיקום גיאוגרפי מיקס מדיה היררכית בייסיאנית בניית מודלים 2017.
.Wang, Y, Jin, Y., שמש, Y, צ'אן, ד., Koehler, J., Google Inc. א גישה היררכית בייסיאנית לשיפור מודלים של מיקס מדיה באמצעות קטגוריה נתונים, 2017.
Zang, Y., .Wurm, M Li, E., ואקים, א., Kelly, J., Price, B., Liu, Y., Google Inc. כיול מודלים של מיקס מדיה עם בייסיאן קודמות 2023.
Zang, Y., .Wurm, M ואקים, א., Li, E., Liu, Y., Google Inc. Bayesian מודל תמהיל מדיה היררכי שכולל שילוב של היקף חשיפה ותדירות נתונים 2023.
קובצי עזר
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2024-09-05 (שעון UTC).
[null,null,["עדכון אחרון: 2024-09-05 (שעון UTC)."],[],["The documents cover Bayesian methods and their application in media mix modeling (MMM). Key topics include: bias-variance tradeoff; convergence monitoring for iterative simulations; causal inference; Bayesian hierarchical modeling to improve MMM with category data, reach, frequency, carryover, and shape effects; bias correction for paid search in MMM; and calibration of MMM using Bayesian priors. Splines and TensorFlow Probability are also mentioned, with general bayesian concepts. The work was carried out by researchers in different academic institutions or at google.\n"],null,[]]