R только альтернативы ошибок [закрыт]

13

Я слежу за курсом по байесовской статистике с использованием BUGS и R. Теперь я уже знаю BUGS, это здорово, но я не очень люблю использовать отдельную программу, а не просто R.

Я читал, что в R. появилось много новых байесовских пакетов. Есть ли список или ссылка на какие пакеты есть для байесовской статистики и что они делают? И есть ли альтернатива R-пакету для гибкости BUGS?

Саша Эпскамп
источник

Ответы:

8

Вы можете взглянуть на пакет MCMCglmm , который поставляется с очень хорошими виньетками. Эндрю Гельман также предлагает bayesglm()функцию для подбора байесовских обобщенных линейных моделей в пакете рук . Я также слышал о будущем выпуске blmer / bglmerфункциях для иерархического моделирования в том же пакете.

хл
источник
2
В руке пакета есть ошибки функции, которые позволяют вам вызывать ошибки от R. Это то, что я использую в своем исследовании. В блоге Гельмана есть пример вызова winbugs Р.
Маноэль Галдино
6

Несколько человек, которых я знаю, использовали JAGS . Синтаксис JAGS похож на ошибки.

csgillespie
источник
(+1, но я думаю, что OP - после некоторого чистого решения R.) Он отлично работает с пакетом rjags , но нам все еще нужно указать нашу модель в синтаксисе BUGS во внешнем файле.
chl
5

Второе Байесовское задание. Я просто добавил бы голос за MCMCpack , зрелый пакет, который предлагает множество моделей. По большей части это тоже довольно хорошо документировано.

JMS
источник
0

Производительность - главная причина, по которой люди используют WinBUGS / OpenBUGS / JAGS против таких пакетов, как MCMglmm. Это очень трудно не практично , чтобы написать эффективный Гиббс сэмплер в родном R. Есть пакеты , которые позволяют запускать модели ошибок из R сценария, в частности RBUGS и BUGSParallel .

Джефф Холл
источник
1
MCMCglammплохой пример, потому что «симуляция выполняется в C / C ++ с использованием библиотеки CSparse для разреженных линейных систем» (см. аннотацию ).
Бернд Вайс
1
-1; см. @Bernd. Большинство зрелых пакетов используют скомпилированный код. Основная причина в том, что на самом деле BUGS и др. Более гибки в том, что могут соответствовать большему количеству моделей. Хотя это может привести к более эффективным вычислениям, поскольку пакет R - даже с скомпилированным кодом - должен быть более общим, он не может.
JMS
1
MCMCpack использует скомпилированный код C / C ++, оптимизированный для выполняемой задачи, поэтому на самом деле это быстрее, чем делать что-то в обобщенном пакете, таком как JAGS (для конкретной задачи).
Уэйн