• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Response to: Biedermann & Hicks (2019), Commentary on "Dennis McNevin, Bayesian interpretation of discrete class characteristics, Forensic Science International, 292 (2018) 125-130".

作者信息

McNevin Dennis

机构信息

Centre for Forensic Science, School of Mathematical and Physical Sciences (MaPS), Faculty of Science, University of Technology Sydney, Broadway, NSW, 2007 Australia.

出版信息

Forensic Sci Int. 2019 May;298:e1-e2. doi: 10.1016/j.forsciint.2019.03.009. Epub 2019 Mar 14.

DOI:10.1016/j.forsciint.2019.03.009
PMID:30929909
Abstract
摘要

相似文献

1
Response to: Biedermann & Hicks (2019), Commentary on "Dennis McNevin, Bayesian interpretation of discrete class characteristics, Forensic Science International, 292 (2018) 125-130".对Biedermann和Hicks（2019年）的回应，关于“Dennis McNevin，离散类别特征的贝叶斯解释，《法医学国际》，292（2018年）125 - 130”的评论。
Forensic Sci Int. 2019 May;298:e1-e2. doi: 10.1016/j.forsciint.2019.03.009. Epub 2019 Mar 14.
2
Commentary on "Dennis McNevin, Bayesian interpretation of discrete class characteristics, Forensic Sci. Int. 292 (2018) 125-130".
Forensic Sci Int. 2019 Apr;297:e20-e21. doi: 10.1016/j.forsciint.2019.01.005. Epub 2019 Jan 15.
3
On the Bayesian approach to forensic age estimation of living individuals.关于贝叶斯方法在活体个体法医年龄估计中的应用。
Forensic Sci Int. 2017 Dec;281:e24-e29. doi: 10.1016/j.forsciint.2017.11.007. Epub 2017 Nov 11.
4
Bayesian interpretation of discrete class characteristics.离散类别特征的贝叶斯解释。
Forensic Sci Int. 2018 Nov;292:125-130. doi: 10.1016/j.forsciint.2018.09.013. Epub 2018 Sep 25.
5
Implementing statistical learning methods through Bayesian networks. Part 1: a guide to Bayesian parameter estimation using forensic science data.通过贝叶斯网络实现统计学习方法。第 1 部分：使用法医学数据进行贝叶斯参数估计指南。
Forensic Sci Int. 2009 Dec 15;193(1-3):63-71. doi: 10.1016/j.forsciint.2009.09.007. Epub 2009 Oct 14.
6
Decision analysis in forensic science.法医学中的决策分析。
J Forensic Sci. 2005 Jul;50(4):894-905.
7
A template for constructing Bayesian networks in forensic biology cases when considering activity level propositions.在考虑活动水平命题时，构建法医学案例中贝叶斯网络的模板。
Forensic Sci Int Genet. 2018 Mar;33:136-146. doi: 10.1016/j.fsigen.2017.12.006. Epub 2017 Dec 15.
8
Refining the relevant population in forensic voice comparison - A response to Hicks et alii (2015) The importance of distinguishing information from evidence/observations when formulating propositions.在法医语音比对中细化相关人群——对希克斯等人（2015年）的回应：在提出命题时区分信息与证据/观察结果的重要性。
Sci Justice. 2016 Dec;56(6):492-497. doi: 10.1016/j.scijus.2016.07.002. Epub 2016 Jul 11.
9
Posterior distributions for likelihood ratios in forensic science.法医学中似然比的后验分布。
Sci Justice. 2016 Sep;56(5):397-401. doi: 10.1016/j.scijus.2016.06.011. Epub 2016 Jul 29.
10
The logic of forensic pathology opinion.法医学意见的逻辑。
Int J Legal Med. 2022 Jul;136(4):1027-1036. doi: 10.1007/s00414-021-02754-1. Epub 2022 Jan 6.