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.
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.
