bayesglm (kol) ve MCMCpack

Hem bayesglm()(kol R paketinde) hem de MCMCpack paketindeki çeşitli işlevler, genelleştirilmiş doğrusal modellerin Bayesian tahminini yapmayı amaçlamaktadır, ancak aslında aynı şeyi hesapladıklarından emin değilim. MCMCpack fonksiyonları, model parametreleri için eklem posteriorundan (bağımlı) bir örnek almak için Markov zinciri Monte Carlo kullanır. bayesglm(), diğer taraftan, üretir. Ne olduğundan emin değilim.

bayesglm()Tam bir Bayes kestiriminden ziyade MAP (maksimum posteriori) tahminini yapacak bir nokta tahmini üretiyor gibi görünüyor , ancak sim()posterior beraberlik almak için kullanılabilecek gibi görünen bir işlev var.

Birisi ikisi için amaçlanan kullanımdaki farkı açıklayabilir mi? Can bayesglm() + sim()gerçek posterior çizer, yoksa yakınlaştırılması çeşit üretmek?

bayesian generalized-linear-model

— Kevin S. Van Horn
kaynak

Cevabı bilmiyorum ama yardımcı oluyorsa bu isimlerin kaynağını sadece isimlerini yazarak görebilirsiniz:> bayesglm> sim Ya da doğrudan bakıcılara sorabilirsiniz: cran.r-project.org/web/packages/arm/ arm.pdf cran.r-project.org/web/packages/MCMCpack/MCMCpack.pdf

— paglos

Tam kontrol istiyorsanız, 'rjags' kullanabilir ve modeli kendiniz yazabilirsiniz.

— varsayımlar

Tam kaynak kodunu görmek için armpaket kaynağını CRAN'dan (bir tarball) indirmeniz gerekir . İşleve hızlı bir bakış , maksimum olasılık tahminlerinin çok değişkenli normalliğini varsaydığı için yaklaşık bir Bayes yöntemi simolduğunu düşündürüyor arm. İkili lojistik modeli gibi kuadratik olmayan log olasılığı olan modellerde, bunun yeterince doğru olması muhtemel olmayabilir. Bu konuda başkalarından bazı yorumlar almak istiyorum. MCMCpackBaşarıyla kullandım ; MCMC'nin yeterince arka çekilişi ve yakınsaması göz önüne alındığında, birçok model için kesin bir Bayes çözümü sunar.

— Frank Harrell
kaynak