Bayesian inference was performed us

Bayesian inference was performed using a Markov chain Monte Carlo approach using Win-
BUGS version 1.4, which was also used to calculate outcome measures of interest, accounting
for parameter uncertainty [37]. The dynamic transmission model was implemented in Component
Pascal as a hard-wired plug-in to WinBUGS using the BlackBox Component Builder
(Oberon Microsystems). Full implementation details are presented in S1 Text, and model code
is available at http://goo.gl/htrvrk.

ผลลัพธ์ (ไทย) 1:

ข้อทฤษฎีที่ดำเนินการโดยใช้โซ่ Markov Carlo มอนวิธีใช้ชนะ-โรคจิตรุ่น 1.4 ซึ่งถูกใช้เพื่อคำนวณการประเมินผลของดอกเบี้ย บัญชีสำหรับพารามิเตอร์ความไม่แน่นอน [37] แบบส่งแบบไดนามิกถูกนำมาใช้ในส่วนประกอบปาสกาลเป็น hard-wired ปลั๊กอินการ WinBUGS โดยใช้โปรแกรมสร้างคอมโพเนนต์ BlackBox(Oberon Microsystems) รายละเอียดการปฏิบัติจะแสดงข้อความ S1 และรหัสรุ่นได้ที่ http://goo.gl/htrvrk

ผลลัพธ์ (ไทย) 2:

การอนุมานแบบเบย์ได้รับการดำเนินการโดยใช้โซ่มาร์คอฟวิธี Monte Carlo ใช้ Win-
BUGS รุ่น 1.4 ซึ่งใช้ในการคำนวณผลของมาตรการที่น่าสนใจ,
การบัญชีสำหรับความไม่แน่นอนพารามิเตอร์[37] รูปแบบการส่งข้อมูลแบบไดนามิกที่ถูกนำมาใช้ในชิ้นส่วนปาสคาลเป็นยากสาย plug-in ที่จะ WinBUGS ใช้ BlackBox ส่วนประกอบ Builder (Oberon Microsystems) รายละเอียดการดำเนินการถูกนำเสนอในข้อความ S1 และรหัสรูปแบบที่มีอยู่ในhttp://goo.gl/htrvrk

ผลลัพธ์ (ไทย) 3:

การอนุมานแบบเบย์มีการใช้ Markov Monte Carlo วิธีการใช้ชนะ -
แมลงรุ่น 1.4 ซึ่งถูกใช้เพื่อคำนวณการวัดผลที่น่าสนใจ บัญชี
สำหรับพารามิเตอร์ความไม่แน่นอน [ 37 ] รูปแบบการใช้องค์ประกอบแบบไดนามิก
ปาสคาลเป็นยากสายปลั๊กอินที่จะ winbugs ใช้แบล็คบ็อกซ์ส่วนประกอบ Builder
( สูงที่สุด )รายละเอียดการใช้งานเต็มรูปแบบจะถูกนำเสนอใน S1 ข้อความและรหัสรุ่น
สามารถใช้ได้ที่ http://goo.gl/htrvrk .