Brooks, S. Gelman, A. Metodi generali per il monitoraggio della convergenza delle Iterativo Simulazioni, 1998.
Chen, A. Chan, D. Koehler, J. Wang, Y. dom, Y. Jin, Y. Perry, M. Google, Inc. Correzione dei bias per la ricerca a pagamento nei media mix modellazione, 2018.
Clark, Michael. Bayesian Basics: Un'introduzione concettuale con l'applicazione in R e Stan. University of Michigan. (11/09/2015).
Gelman, A. Rubin, D. Inferenza da una simulazione iterativa mediante l'uso di più Sequenze, 1992.
Hern'an MA, Robins JM (2020). Inferenza causale: che cosa Se. Boca Raton: Chapman e Hall/CRC.
Jin, Y. Wang, Y. dom, Y. Chan, D. Koehler, J. Google Inc. Bayesian Metodi per la modellazione di media mix con riporto e forma Effetti 2017.
Ng, E. Wang, Z. & Dai, A. Modello di coefficienti di variazione del tempo bayesiani con applicazioni per Marketing Mix Modeling, 2021.
Perla, Giudea. Causalità. Cambridge University Press. (14/09/2009) ISBN 9781139643986.
Spline (matematica), Wikipedia.
dom, Y. Wang, Y. Jin, Y. Chan, D. Koehler, J. Google Inc. Livello geografico Media mix gerarchico bayesiano Modellazione 2017.
Wang, Y. Jin, Y. dom, Y. Chan, D. Koehler, J. Google LLC A Approccio gerarchico bayesiano a migliorare i modelli di media mix utilizzando la categoria dati, 2017.
Zhang, Y. Wurm, M. Li, E. Wakim, A. Kelly, J. Prezzo, B. Liu, Y. Google Inc. Calibrazione del modello di media mix con bayesiana Priorità 2023.
Zhang, Y. Wurm, M. Wakim, A. Li, E. Liu, Y. Google Inc. Bayesian Modello di media mix gerarchico che incorpora copertura e frequenza Dati 2023.
