3 HATA varyantında (openBUGS / winBUGS, jags) jags, gelecekteki özellik gelişimi için en umut verici gibi görünüyor ve openBUGS / winBUGS ölü projeler gibi görünüyor. Ancak, jags hala openBUGS / winBUGS'da mevcut olan bazı inceliklerden yoksundur (ayrıca buraya bakın ). Öte yandan, jags WinBUGS'ta bulunan bazı sınırlamaları kaldırmıştır, örneğin:
x ~ dnorm(0, tau)
tau ~ dgamma(1.0E-3, 1.0E-3) # in WinBUGS, you cannot do this, 1.0E-3 is too small
# for dgamma (use e.g. dgamma(0.01, 0.01))
İyi haber şu ki, çoğu modelde, bunları tüm 3 araçta en az değişiklikle çalıştırabilirsiniz, böylece daha sonra çok fazla sorun olmadan farklı araca geçebilirsiniz (yaptığım budur).
Bununla birlikte, bazı nedenlerle (örneğin, paralellik ve yorumlayıcı niteliği eksikliği) , bu HATA değişkenlerinin bayes analizi yapmanın en hızlı yolu olduğu doğru değildir! Aslında, tam tersi. HATA projeleri küçük veri kümelerinde karmaşık modelleri test etmek ve geliştirmek için iyidir . Modeli geliştirdikten ve büyük veri kümelerinde tekrar tekrar çalıştırmanız gerektiğinde, farklı araçlar kullanmak daha verimlidir.
Örneğin, CppBugs / rcpp combo'nun BUGS varyantlarından 5-10x daha hızlı olduğu söylenir. İlke, modelinizi çok daha hızlı çalışan bir C ++ programında derlemenizdir. Ayrıca Dirk Eddelbuettel'in Rcpp testi için bloguna bir göz atın - acımasızca hızlı görünüyor. Paralellik ile de oynayabilirsiniz.
Bugsparallel kullanarak WinBUGS'de paralel hesaplama da yapabilirsiniz .
R<(Matlab,Python)<C
verimlilik açısından iyi bilinmektedir (örneğin, bağlantıya bakınız ).