t http://dx.doi.org/10.1016/j.jtbi.

t http://dx.doi.org/10.1016/j.jtbi.2014.07.038.
References
Austin, M.P., 2002. Spatial prediction of species distribution: an interface between
ecological theory and statistical modelling. Ecol. Modell. 157, 101–118.
Beaumont, M.A., 2010. Approximate Bayesian computation in evolution and
ecology. Ann. Rev. Ecol. Evol. Syst. 41, 379–406.
Berliner, L.M., 1991. Likelihood and Bayesian prediction of chaotic systems. J. Am.
Stat. Assoc. 86, 938–952.
Box, G.E.P., 1976. Science and statistics. J. Am. Stat. Assoc. 71, 791–799.
Crespi, C.M., Boscardin, W.J., 2009. Bayesian model checking for multivariate
outcome data. Comp. Stat. Data Anal. 53, 3765–3772.
Csilléry, K., et al., 2012. abc: an R package for approximate Bayesian computation
(ABC). Methods Ecol. Evol. 3, 475–479.
De Valpine, P., Hastings, A., 2002. Fitting population models incorporating process
noise and observation error. Ecol. Monogr. 72, 57–76.
Evans, M.R., et al., 2013. Do simple models lead to generality in ecology? Trends
Ecol. Evol. 28, 578–583.
Gelman, A., 2013. Two simple examples for understanding posterior p-values
whose distributions are far from uniform. Electron. J. Stat. 7, 2595–2602.
Gelman, A., et al., 1996. Posterior predictive assessment of model fitness via
realized discrepancies. Stat. Sin. 6, 733–807.
Grimm, V., Railsback, S.F., 2005. Individual-Based Modeling and Ecology. Princeton
University Press, Princeton, New Jersey, USA.
Grimm, V., et al., 2014. Towards better modelling and decision support: documenting
model development, testing, and analysis using TRACE. Ecol. Modell. 280,
129–139.
Hartig, F., Dormann, C.F., 2013. Does model-free forecasting really outperform the
true model? Proc. Natl. Acad. Sci. USA 110, E3975.
Hartig, F., et al., 2011. Statistical inference for stochastic simulation models – theory
and application. Ecol. Lett. 14, 816–827.
Ives, A.R., et al., 2003. Estimating community stability and ecological interactions
from time-series data. Ecol. Monogr. 73, 301–330.
Jabot, F., Chave, J., 2011. Analyzing tropical forest tree species abundance distributions
using a nonneutral model and through approximate Bayesian inference.
Am. Nat. 178, E37–E47.
Jabot, F., et al., 2013. EasyABC: performing efficient approximate Bayesian computation
sampling schemes using R. Methods Ecol. Evol. 4, 684–687.
Kantz, H., Schreiber, T., 2004. Nonlinear Time Series Analysis. Cambridge University
Press, Cambridge, UK.
Knape, J., de Valpine, P., 2012. Are patterns of density dependence in the global
population dynamics database driven by uncertainty about population abundance?
Ecol. Lett. 15, 17–23.
Lamboni, M., et al., 2009. Multivariate global sensitivity analysis for dynamic crop
models. Field Crops Res. 113, 312–320.
May, R.M., 1974. Biological populations with nonoverlapping generations: stable
points, stable cycles, and chaos. Science 186, 645–647.
May, R.M., et al., 2008. Complex systems: ecology for bankers. Nature 451, 893–895.
Perretti, C.T., et al., 2013a. Nonparametric forecasting outperforms parametric
methods for a simulated multispecies system. Ecology 94, 794–800.
Perretti, C.T., et al., 2013b. Model-free forecasting outperforms the correct mechanistic
model for simulated and experimental data. Proc. Natl. Acad. Sci. USA 110,
5253–5257.
Perretti, C.T., et al., 2013c. Reply to Hartig and Dormann: the true model myth. Proc.
Natl. Acad. Sci. USA 110, E3976–E3977.
Pisarenko, V.F., Sornette, D., 2004. Statistical methods of parameter estimation for
deterministically chaotic time series. Phys. Rev. E 69, 036122.
Plummer, M. 2003. JAGS: a program for analysis of Bayesian graphical models using
Gibbs sampling. In: Proceedings of the 3rd International Workshop on
Distributed Statistical Computing.
Robins, J.M., et al., 2000. Asymptotic distribution of p values in composite null
models. J. Am. Stat. Assoc. 95, 1143–1156.
Rubin, D.B., 1984. Bayesianly justifiable and relevant frequency calculations for the
applied statistician. Ann. Stat. 12, 1151–1172.
Wood, S.N., 2010. Statistical inference for noisy nonlinear ecological dynamic
systems. Nature 466, 1102–1104.

ผลลัพธ์ (ไทย) 1:

t http://dx.doi.org/10.1016/j.jtbi.2014.07.038การอ้างอิงAustin, M.P., 2002 คาดการณ์พื้นที่การกระจายพันธุ์: อินเทอร์เฟซระหว่างทฤษฎีระบบนิเวศและการสร้างแบบจำลองทางสถิติ Ecol. Modell 157, 101-118โบมอนต์ M.A., 2010 ประมาณคำนวณทฤษฎีในวิวัฒนาการ และนิเวศวิทยาการ ย้อนหลัง ann. Ecol. Evol Syst. 41, 379-406Berliner, L.M., 1991 คาดเดาความเป็นไปได้และทฤษฎีระบบที่วุ่นวาย น.เจสถิติรศ 86, 938-952กล่อง G.E.P., 1976 วิทยาศาสตร์และสถิติ เจ.น.สถิติรศ 71, 791-799Crespi, C.M., Boscardin, W.J., 2009 แบบจำลองทฤษฎีตรวจ multivariateข้อมูลผลลัพธ์ ประกอบสถิติข้อมูลทางทวารหนัก 53, 3765-3772Csilléry คุณ et al., 2012 abc: แพคเกจการ R สำหรับการคำนวณทฤษฎีโดยประมาณ(ABC) วิธี Ecol. Evol 3, 475-479เดอ Valpine, P. เฮสติ้งส์ A., 2002 แบบจำลองประชากรเหมาะสมเพจกระบวนการข้อผิดพลาดเสียงและสังเกต Ecol. Monogr 72, 57-76อีวานส์ มรว., et al., 2013 ทำแบบง่าย ๆ ทำ generality ในนิเวศวิทยาหรือไม่ แนวโน้มEcol. Evol 28, 578-583เกลแมน A., 2013 ตัวอย่างสำหรับศึกษาค่า p หลังง่ายมีการกระจายมากเหมือนกัน อิเล็กตรอน เจ.สถิติ 7, 2595-2602เกลแมน A., et al., 1996 หลังการประเมินงานของฟิตรุ่นผ่านความขัดแย้งที่เกิดขึ้นจริง สถิติความบาป 6, 733-807Grimm, V., Railsback, S.F., 2005 สร้างโมเดลตามบุคคลและนิเวศวิทยา ปรินซ์ตันข่าวมหาวิทยาลัย พรินซ์ตัน นิวเจอร์ซีย์ สหรัฐอเมริกาGrimm, V., et al., 2014 ดีกว่า แบบจำลองและการตัดสินใจสนับสนุน: เอกสารรุ่นพัฒนา ทดสอบ และใช้ติดตามการวิเคราะห์ Ecol. Modell 280129-139Hartig เอฟ Dormann, C.F., 2013 ไม่ฟรีแบบจำลองการคาดการณ์มากประสิทธิภาพยิ่งกว่ารุ่นจริง Proc. Natl. Acad. Sci. USA 110, E3975Hartig เอฟ et al., 2011 ข้อสถิติสำหรับรูปแบบจำลองแบบเฟ้นสุ่ม – ทฤษฎีและโปรแกรมประยุกต์ Ecol. Lett 14, 816-827อีฟส์อ A.R., et al., 2003 ประเมินความมั่นคงของชุมชนและการโต้ตอบระบบนิเวศจากข้อมูลชุดข้อมูลเวลา Ecol. Monogr 73, 301-330Jabot เอฟ Chave, J., 2011 วิเคราะห์ความอุดมสมบูรณ์ป่าเขตร้อนต้นไม้ชนิดการกระจายใช้ nonneutral รุ่น และข้อทฤษฎีโดยประมาณน. Nat. 178, E37-E47Jabot เอฟ et al., 2013 EasyABC: การคำนวณทฤษฎีการประมาณอย่างมีประสิทธิภาพแผนการสุ่มตัวอย่างที่ใช้อาร์วิธี Ecol. Evol 4, 684-687Schreiber Kantz, H. ต. 2004 เวลาไม่เชิงเส้นการวิเคราะห์ชุดข้อมูล มหาวิทยาลัยแคมบริดจ์กด เคมบริดจ์ สหราชอาณาจักรKnape, J. เด Valpine, P., 2012 มีรูปแบบของการพึ่งพาความหนาแน่นในโลกฐานข้อมูล dynamics ประชากรขับเคลื่อน ด้วยความไม่แน่นอนเกี่ยวกับความอุดมสมบูรณ์ประชากรEcol. Lett 15, 17-23Lamboni เมตร et al., 2009 วิเคราะห์ตัวแปรพหุระดับโลกไวพืชแบบไดนามิกรูปแบบจำลอง ฟิลด์ขยายทรัพยากร 113, 312-320พฤษภาคม R.M., 1974 ประชากรชีวภาพกับรุ่นขนาน: มั่นคงคะแนน วงจรมีเสถียรภาพ และความวุ่นวาย วิทยาศาสตร์ 186, 645-647พฤษภาคม R.M., et al., 2008 ระบบที่ซับซ้อน: นิเวศวิทยาสำหรับธนาคาร ธรรมชาติ 451, 893-895Perretti, C.T., et al., 2013a คาดการณ์ nonparametric outperforms พาราเมตริกวิธีการจำลองระบบ multispecies 94 นิเวศวิทยา 794 – 800Perretti, C.T., et al., 2013b ฟรีแบบจำลองการคาดการณ์ outperforms ถูกต้องกลไกการทำแบบจำลองข้อมูลจำลอง และทดลอง Proc. Sci. Natl. Acad. สหรัฐอเมริกา 1105253-5257Perretti, C.T., et al., 2013c ตอบ Hartig และ Dormann: ตำนานรูปแบบแท้จริง Proc.Natl. Acad. Sci. สหรัฐอเมริกา 110, E3976 – E3977Pisarenko, V.F., Sornette, D., 2004 วิธีทางสถิติการประเมินพารามิเตอร์ชุดเวลาวุ่นวาย deterministically นับย้อนหลัง E 69, 036122พลัมเมอร์ ม. 2003 JAGS: เป็นโปรแกรมสำหรับการวิเคราะห์ของทฤษฎีแบบจำลองกราฟิกที่ใช้Gibbs สุ่มตัวอย่าง ใน: วิชาการเชิงปฏิบัติ 3 บนกระจายการคำนวณทางสถิติRobins, J.M., et al., 2000 กระจาย asymptotic p ค่า null คอมโพสิตรูปแบบจำลอง เจ.น.สถิติรศ 95, 1143-1156Rubin, D.B., 1984 Bayesianly คำนวณความถี่ในการแข่งขัน และที่เกี่ยวข้องสำหรับการstatistician ใช้ Ann. สถิติ 12, 1151-1172ไม้ นัวร์ 2010 ข้อสถิติสำหรับแบบไดนามิกระบบนิเวศไม่เชิงเส้นคะระบบ ธรรมชาติ 466, 1102-1104

ผลลัพธ์ (ไทย) 2:

. เสื้อ http://dx.doi.org/10.1016/j.jtbi.2014.07.038
อ้างอิงออสติน, MP 2002 การคาดการณ์เชิงพื้นที่ของการกระจายสายพันธุ์: อินเตอร์เฟซระหว่างทฤษฎีและการสร้างแบบจำลองระบบนิเวศทางสถิติ Ecol เดลล์ 157, 101-118. โบมอนต์, MA, 2010 คำนวณโดยประมาณเบส์ในการวิวัฒนาการและนิเวศวิทยา แอน รายได้ Ecol Evol Syst 41, 379-406. Berliner, LM 1991 โอกาสและการทำนายแบบเบย์ของระบบที่วุ่นวาย เจ Am. สถิติ รศ 86, 938-952. กล่อง GEP 1976 วิทยาศาสตร์และสถิติ แยม. Stat รศ 71, 791-799. Crespi, CM, Boscardin, WJ 2009 รุ่นคชกรรมตรวจสอบหลายตัวแปรข้อมูลผล คอมพ์ Stat ข้อมูลทางทวารหนัก 53, 3765-3772. Csilléryพ, et al, 2012 abc. แพคเกจ R ในการคำนวณแบบเบย์โดยประมาณ(ABC) วิธี Ecol Evol 3, 475-479. De Valpine พีเฮสติ้งส์, a, รุ่นปี 2002 ประชากรฟิตติ้งผสมผสานกระบวนการเสียงและความผิดพลาดการสังเกต Ecol Monogr 72, 57-76. อีแวนส์, MR, et al., 2013 รุ่นที่เรียบง่ายไม่นำไปสู่การทั่วไปในระบบนิเวศ? แนวโน้มEcol Evol 28 578-583. Gelman, a, 2013 สองตัวอย่างที่ง่ายสำหรับการทำความเข้าใจเกี่ยวกับค่า P-หลังที่มีการกระจายอยู่ห่างไกลจากเครื่องแบบ อิเลคตรอน เจสถิติ 7 2595-2602. Gelman, a, et al., 1996 หลังการประเมินการคาดการณ์ของการออกกำลังกายรูปแบบผ่านความแตกต่างตระหนัก Stat บาป 6, 733-807. กริมม์โวลต์ Railsback เอสเอฟ 2005 ส่วนบุคคลที่ใช้สร้างแบบจำลองและนิเวศวิทยา พรินซ์ตันสำนักพิมพ์มหาวิทยาลัยพรินซ์ตัน, นิวเจอร์ซีย์, สหรัฐอเมริกา. กริมม์โวลต์, et al, 2014 ต่อการสร้างแบบจำลองที่ดีขึ้นและสนับสนุนการตัดสินใจ. การจัดเก็บเอกสารการพัฒนารูปแบบการทดสอบและการวิเคราะห์โดยใช้ติดตาม Ecol เดลล์ 280, 129-139. Hartig เอฟ, Dormann, CF 2013 ไม่คาดการณ์แบบฟรีจริงๆดีกว่ารูปแบบจริงหรือไม่? พร Natl Acad วิทย์ ประเทศสหรัฐอเมริกา 110, E3975. Hartig เอฟ, et al, 2011 อนุมานทางสถิติสำหรับแบบจำลองสุ่ม. - ทฤษฎีและการประยุกต์ใช้ Ecol เลทท์ 14, 816-827. อีฟส์, AR, et al., 2003 ประมาณความมั่นคงของชุมชนและการมีปฏิสัมพันธ์ของระบบนิเวศจากข้อมูลอนุกรมเวลา Ecol Monogr 73, 301-330. Jabot เอฟ, Chave เจ 2011 วิเคราะห์ป่าเขตร้อนกระจายความอุดมสมบูรณ์ต้นไม้ชนิดโดยใช้แบบจำลองnonneutral และผ่านการอนุมานแบบเบย์ประมาณ. Am ชัยนาท 178, E37-E47. Jabot เอฟ, et al, 2013 EasyABC. การดำเนินการที่มีประสิทธิภาพในการคำนวณโดยประมาณคชกรรมแผนการสุ่มตัวอย่างโดยใช้วิธีการอาร์Ecol Evol 4, 684-687. Kantz เอชไกร์ตัน 2004 เชิงวิเคราะห์อนุกรมเวลา มหาวิทยาลัยเคมบริดจ์กดเคมบริดจ์, สหราชอาณาจักร. Knape เจเด Valpine พีปี 2012 จะมีรูปแบบของการพึ่งพาอาศัยหนาแน่นในโลกฐานข้อมูลการเปลี่ยนแปลงของประชากรได้แรงหนุนจากความไม่แน่นอนเกี่ยวกับความอุดมสมบูรณ์ของประชากร? Ecol เลทท์ 15, 17-23. Lamboni, M. , et al., 2009 หลายตัวแปรการวิเคราะห์ความไวระดับโลกสำหรับการเพาะปลูกแบบไดนามิกรูปแบบ สนาม Res พืช 113, 312-320. พ, RM, 1974 ประชากรทางชีวภาพกับรุ่น nonoverlapping: เสถียรภาพจุดรอบมั่นคงและความสับสนวุ่นวาย . วิทยาศาสตร์ 186, 645-647. พ, RM, et al, 2008 ระบบที่ซับซ้อน: ระบบนิเวศสำหรับนายธนาคาร ธรรมชาติ 451, 893-895. Perretti, CT, et al., 2013a การคาดการณ์ nonparametric มีประสิทธิภาพดีกว่าพาราวิธีการระบบmultispecies จำลอง นิเวศวิทยา 94, 794-800. Perretti, CT, et al., 2013b การคาดการณ์รุ่นฟรีมีประสิทธิภาพดีกว่ากลไกที่ถูกต้องแบบจำลองสำหรับข้อมูลจำลองและการทดลอง พร Natl Acad วิทย์ ประเทศสหรัฐอเมริกา 110, 5253-5257. Perretti, CT, et al., 2013c ตอบกลับ Hartig และ Dormann: ตำนานรูปแบบที่แท้จริง พร. Natl Acad วิทย์ ประเทศสหรัฐอเมริกา 110, E3976-E3977. Pisarenko, VF, Sornette, D. 2004 วิธีการทางสถิติของการประมาณค่าพารามิเตอร์สำหรับอนุกรมเวลาวุ่นวายdeterministically สรวง รายได้ E 69, 036122. พลัมเมเอ็ม 2003 Jags: โปรแกรมสำหรับการวิเคราะห์รูปแบบกราฟิกแบบเบย์โดยใช้การสุ่มตัวอย่างกิ๊บส์ ใน: กิจการของ 3 ในการประชุมเชิงปฏิบัติการนานาชาติ. Distributed Computing ทางสถิติ. ร็อบบินส์, JM, et al, 2000 Asymptotic การกระจายของค่าพี null คอมโพสิตในรุ่น แยม. Stat รศ 95, 1143-1156. รูบิน, DB, 1984 Bayesianly คำนวณความถี่ที่สมเหตุสมผลและมีความเกี่ยวข้องสำหรับสถิติที่ใช้ แอน Stat 12 1151-1172. ไม้ SN 2010 อนุมานทางสถิติสำหรับที่มีเสียงดังไม่เชิงเส้นแบบไดนามิกของระบบนิเวศระบบ ธรรมชาติ 466, 1102-1104

ผลลัพธ์ (ไทย) 3:

t http : / / DX ดอย . org / 10.1016 / j.jtbi . 2014.07.038 .
อ้างอิง
ออสติน , MP , 2545 . คำทำนายเชิงพื้นที่ของชนิดการติดต่อระหว่าง
ทฤษฎีนิเวศวิทยาและแบบจำลองทางสถิติ Ecol . แบบ . 157 , 101 - 118 .
โบมอนต์ , ศศ . ม. , 2553 การคำนวณแบบประมาณในวิวัฒนาการและ
นิเวศวิทยา แอน บาทหลวง Ecol . evol . ระบบ . 41 , 379 – 406 .
Berliner L.M . , , 2534ความน่าจะเป็น Bayesian และการคาดการณ์ของระบบที่วุ่นวาย เจ. . .
ด่วน รศ. 86 , 938 ) 952 .
กล่อง g.e.p. , 1976 . วิทยาศาสตร์และสถิติ เจเป็น สารบัญ รศ. 71 , 791 - 799 .
เคร ิ boscardin C.M . , , , w.j. 2009 ตรวจสอบผลข้อมูลหลายตัวแปรแบบเบส์
. คอมพ์ สารบัญข้อมูล ประตูหลัง 53 , 3765 – 3772 .
csill é ry . , et al . , 2012 เอบีซี : R ชุดประมาณคชกรรมการคำนวณ
( ABC )Ecol วิธี evol . 3 , 475 – 479 .
เดอวัลไพน์ , หน้าเฮสติ้งส์ , A . , 2002 . กระชับประชากรรุ่นผสมผสานเสียงกระบวนการ
ผิดสังเกต Ecol . monogr . 72 , 57 และ 76 .
อีแวนส์ , ม.ร.ว. , et al . , 2013 ทำแบบง่าย ๆทำให้สภาพทั่วไปในระบบนิเวศ ? แนวโน้ม
Ecol . evol . 28 , 578 ( 583 .
เกลแมน , A . , 2013 สองตัวอย่างง่ายๆให้เข้าใจกัน p-values
ที่มีกระจายอยู่ห่างไกลจากเครื่องแบบอิเล็กตรอน สถิติการพูด–เจ 7 , 388 .
เกลแมน , A . , et al . , 1996 ด้านหลังของแบบประเมินความฟิตผ่าน
เข้าใจความขัดแย้ง ด่วน บาป 6 , 733 - 807 .
กริมม์ โวลต์ เรลส์แบ็กคเอสเอฟ . , 2548 บุคคลตามแบบจำลองและนิเวศวิทยา มหาวิทยาลัยพรินซ์ตัน
กด , Princeton , New Jersey , USA
กริมม์ , V . , et al . , 2014 ต่อแบบที่ดีและสนับสนุนการตัดสินใจ : การบันทึกข้อมูลการพัฒนาโมเดลการทดสอบและการวิเคราะห์การติดตาม Ecol . แบบ . 280
129 และ 139 .
Hartig , เอฟ. ซี. เอฟ dormann , , 2013 มีการพยากรณ์ฟรีจริงๆดีกว่า
รูปแบบจริง proc . NATL . ราช . สภาวะโลกร้อน สหรัฐอเมริกา 110 , e3975 .
Hartig , F . , et al . , 2011 สถิติอนุมานสำหรับสุ่มสร้างแบบจำลองและทฤษฎี
และการประยุกต์ใช้ Ecol . หนังสือ 14 , 816 – 619 .
อีฟส์ , รถยนต์ , et al . , 2003การประเมินความมั่นคงของระบบนิเวศและชุมชน
จากข้อมูลอนุกรมเวลา . Ecol . monogr . 73 , 301 - 330 .
Jabot F . , เชฟ , J . , 2011 เขตร้อนต้นไม้ป่าชนิดวิเคราะห์โดยใช้แบบจำลองการกระจายมากมาย
nonneutral และผ่านประมาณคชกรรมการอนุมาน
เป็น ชัยนาท 178 , e37 – e47 .
Jabot , F . , et al . , 2013 easyabc ประมาณคชกรรมการคำนวณ
: การดำเนินการที่มีประสิทธิภาพตัวอย่างโครงร่างโดยใช้วิธีอาร์ Ecol . evol . 4 , 684 – 687 .
kantz เอช ชไรเบอร์ T . , 2004 การวิเคราะห์อนุกรมเวลาเชิงเส้น เคมบริดจ์มหาวิทยาลัย
กด , Cambridge , UK .
เนป เจ เดอ วัลไพน์ , หน้า , 2012 เป็นรูปแบบของการเปลี่ยนแปลงความหนาแน่นในประชากรทั่วโลก
ฐานข้อมูลขับเคลื่อน โดยความไม่แน่นอนเกี่ยวกับความอุดมสมบูรณ์ของประชากร ?
Ecol . หนังสือ 15 , 17 – 23 .
lamboni , M . , et al . , 2009การวิเคราะห์หลายตัวแปรระดับโลกสำหรับแบบจำลอง
แบบไดนามิก ความละเอียด 113 พืชไร่ 312 – 320 .
, r.m. ปี พ.ศ. 2517 ประชากรชีววิทยากับ nonoverlapping รุ่นที่มั่นคง
คะแนน , รอบ , มีเสถียรภาพและความสับสนวุ่นวาย วิทยาศาสตร์ 186 , 645 - 647 .
, r.m. et al . , 2008 ระบบที่ซับซ้อน : นิเวศวิทยาสำหรับนายธนาคาร ธรรมชาติ 9 , 893 - 895 .
perretti CT , et al . , ที่มีมากกว่า .การพยากรณ์วิธีการพาราเมตริก 3 มีประสิทธิภาพดีกว่า
multispecies สำหรับจำลองระบบ นิเวศวิทยา 94 , 794 – 800 .
perretti CT , et al . , 2013b . ตัวแบบพยากรณ์ฟรีมีประสิทธิภาพดีกว่ารุ่น :
ถูกต้องและจำลองการทดลอง proc . NATL . ราช . สภาวะโลกร้อน 110 สหรัฐอเมริกา 5253 – 5257
.
perretti CT , et al . , 2013c . ตอบ Hartig dormann : ตำนานและรูปแบบจริง proc .
NATL . ราช . สภาวะโลกร้อน110 สหรัฐอเมริกา e3976 – e3977 .
pisarenko v.f. sornette , , , D . , 2004 วิธีการทางสถิติของการประมาณค่าพารามิเตอร์สำหรับ
deterministically วุ่นวายเวลาชุด ว. . บาทหลวง อี 69 , 036122 .
พลัมเมอร์ , M . 2003 jags : โปรแกรมสำหรับการวิเคราะห์แบบจำลอง Bayesian โดยใช้
กิ๊บส์การสุ่มตัวอย่าง ใน : รายงานการประชุมทางวิชาการ การประชุมเชิงปฏิบัติการนานาชาติในการกระจายทางสถิติ 3 )
.
โรบินส์ , JM , et al . , 2000การกระจายแหล่งของ P ค่า null
แบบคอมโพสิต เจเป็น สารบัญ รศ. 95 1140 - 1 .
Rubin DB 1984 bayesianly ธรรม และที่เกี่ยวข้องการใช้ความถี่
นักสถิติ แอน หน่วย 12 , 374 - 1172 .
ไม้ , เลือก , 2010 สถิติอนุมานสำหรับเสียงดังไม่เชิงเส้นแบบไดนามิก
นิเวศวิทยาระบบ ธรรมชาติ 466 , 1102 –มี .