MAP增长作用理论描述了MAP增长的主要特征及其在综合评价体系中的地位。

本研究比较了症状网络的估计与贝叶斯GLASSO和马蹄先验估计使用频率主义者GLASSO使用广泛的模拟。

学校官员经常使用学校的综合考试成绩来监督学校的表现并做出政策决定。在本报告中，兰德研究人员调查了一个具体问题，该问题可能会影响covid -19时代学校总分的使用，并导致与历史和其他近似总分的错误比较:学校构成随时间的变化。为了调查这个问题，他们检查了NWEA MAP增长评估的数据，这是各州和地区在2020-2021学年使用的中期评估。

通过模拟，这项研究检验了“三因素模型”，这是一种最近发展起来的模型，用于解决更大的分歧。

在本文中，我们提出了一个新的R包，称为BFpack，其中包含用于贝叶斯因子假设检验的函数，用于许多常见的检验问题。该软件包括新的工具，用于(i)贝叶斯探索性测试(例如，零、正、负影响)，(ii)贝叶斯验证性测试(具有相等和/或顺序约束的竞争假设)，(iii)常见统计分析，如线性回归，广义线性模型，(co)方差的(多变量)分析，相关分析和随机截距模型，(iv)使用默认先验，(v)同时允许数据包含随机缺失的观测值。

本研究引入了一种新的方法，使用贝叶斯因子，其中研究人员可以直接测试层次模型中的同质人内方差。此外，我们引入了一个成员模型，允许对属于公共方差模型的个体进行分类(以及有多少)。

图形化建模最近在心理学中出现(Epskamp等人，2018)，其中的数据通常是长或低维的(p < n;Donald R. Williams等人(2019)，
唐纳德·r·威廉姆斯和拉斯特(2019))。ggmnonregg的主要目的是提供专门为低维数据设计的方法(例如，在数据库中常见的方法)
社会行为科学)。