这项研究将使用广泛的模拟使用频繁的玻璃镜头比较了贝叶斯玻璃和马蹄形先验的症状网络的估计。

在本文中，我们提出了一个名为BFPACK的新R软件包，其中包含许多常见测试问题的贝叶斯因子假设测试的功能。该软件包括（i）贝叶斯探索性测试的新颖工具（例如，零与正面效果），（ii）贝叶斯验证性测试（具有平等和/或订单约束的竞争假设），（iii）常见统计分析，例如线性回归，通用线性模型，（CO）方差的（多元）分析，相关分析和随机截距模型，（iv）使用默认的先验和（v），同时允许数据包含随机缺失的丢失观测值。

这项研究介绍了一种新的方法，即使用贝叶斯因素，其中研究人员可以直接测试层次模型中的人体内差异。此外，我们引入了一个会员模型，该模型允许分类哪个（以及多少）个人属于共同方差模型。

图形建模最近在心理学中出现（Epskamp等，2018），其中数据通常是长或低维的（p Donald R. Williams＆Rast（2019））。GGMNONREG的主要目的是提供专门针对低维数据设计的方法（例如，在该数据中常见的方法
社会行为科学）。

一个新的软件包GGMNCV为图形套索提供了替代方案（ℓ1-Regulinization），用于研究多元数据集中的复杂关系。