Брукс С., Гельман А. Общие методы мониторинга сходимости итеративного моделирования , 1998.
Чен А., Чан Д., Келер Дж., Ван Ю., Сунь Ю., Джин Ю., Перри М., Google, Inc. Коррекция смещения для платного поиска в моделировании медиа-микса , 2018 г. .
Кларк, Майкл. Основы Байеса: концептуальное введение с применением в R и Stan . Мичиганский университет. (11 сентября 2015 г.).
Гельман А., Рубин Д. Вывод на основе итеративного моделирования с использованием нескольких последовательностей , 1992.
Эрнан М.А., Робинс Дж.М. (2020). Причинно-следственный вывод: что, если . Бока-Ратон: Чепмен и Холл/CRC.
Джин Ю., Ван Ю., Сан Ю., Чан Д., Келер Дж., Google Inc. Байесовские методы моделирования медиа-микса с эффектами переноса и формы, 2017.
Нг, Э., Ван, З., и Дай, А. Байесовская модель коэффициентов, изменяющихся во времени, с применением к моделированию комплекса маркетинга , 2021.
Перл, Иудея. Причинность. Издательство Кембриджского университета. (14 сентября 2009 г.) ISBN 9781139643986 .
Сплайн (математика) , Википедия.
Сунь Ю., Ван Ю., Джин Ю., Чан Д., Келер Дж., Google Inc. Байесовское иерархическое моделирование медиа-микса на географическом уровне, 2017.
Ван Ю., Джин Ю., Сан Ю., Чан Д., Келер Дж., Google Inc. Иерархический байесовский подход к улучшению моделей медиа-микса с использованием данных о категориях , 2017.
Чжан Ю., Вурм М., Ли Э., Оаким А., Келли Дж., Прайс Б., Лю Ю., Google Inc. Калибровка модели медиа-микса с использованием байесовских априорных значений, 2023.
Чжан Ю., Вурм М., Ваким А., Ли Э., Лю Ю., Google Inc. Байесовская иерархическая модель медиа-микса, включающая данные об охвате и частоте, 2023.
