«jags» etiketlenmiş sorular

Bayesian modellerini tahmin etmek için bir BUGS tarzı ortamı denemek üzereyim. OpenBugs veya JAGS arasında seçim yaparken göz önünde bulundurulması gereken önemli avantajlar var mı? Öngörülebilir bir gelecekte biri diğerinin yerini alacak mı? Seçilen Gibbs Sampler'ı R ile kullanacağım. Henüz belirli bir uygulamam yok, ama hangisini tutacağım ve öğreneceğime karar …

41 r  software  bugs  jags  gibbs 

BUGS ve R'nin farklı parametrelere sahip olduğu bazı dağıtımlar buldum: Normal, log-Normal ve Weibull. Bunların her biri için, R tarafından kullanılan ikinci parametrenin BUGS'de (veya benim durumumda JAGS) kullanılmadan önce ters dönüştürülmesinin (1 / parametre) olması gerektiğini biliyorum. Halen var olan bu dönüşümlerin kapsamlı bir listesini bilen var mı? Bulduğum …

31 r  distributions  bugs  jags  parameterization 

Yaygın olarak alıntılanmış makalesinde Hiyerarşik modellerde varyans parametreleri için önceki dağılımlar (Google Akademik'te şu ana kadar 916 alıntı) Gelman, hiyerarşik bir Bayes modelindeki varyans için iyi bilgilendirici olmayan önceki dağılımların düzgün dağılım ve yarım t dağılım olduğunu önermektedir. Bir şeyleri doğru anlarsam, bu konum parametresi (örneğin ortalama) ana ilgi alanı …

16 bayesian  variance  prior  jags  hierarchical-bayesian 

Stan ve kullanmayı öğrenmeye başladım rstan. JAGS / BUGS'un nasıl çalıştığı konusunda her zaman kafam karışmadıkça, çizilecek modeldeki her parametre için her zaman bir tür önceden dağıtım tanımlamanız gerektiğini düşündüm. Yine de Stan belgelerine dayanarak bunu yapmak zorunda değilsiniz gibi görünüyor. İşte burada verdikleri örnek bir model . data { …

15 mcmc  prior  jags  graphical-model  stan 

Güzel bir blog yazısı ve bağlantılı makaleleri takip ederek Bayes değişken seçimi ile oynayabileceğimi düşündüm . Ben yazdım programı içinde rjags (Oldukça çaylak değilim) ve getirilen fiyat verilerinin onun getirilerini (örneğin paladyum fiyatları) ve yüksek oranda SP500 gibi (korelasyon gereken başka şeyleri açıklamak olası değildir bazı şeylerle birlikte, Exxon Mobil …

14 regression  bayesian  multiple-regression  feature-selection  jags 

Bayesian Kement açıklayan birkaç matematik ağır kağıt vardır, ama ben test etmek istiyorum, ben kullanabileceğiniz doğru JAGS kodunu istiyorum. Birisi düzenli lojistik regresyonu uygulayan örnek BUGS / JAGS kodu gönderebilir mi? Herhangi bir şema (L1, L2, Elastik ağ) harika olurdu, ancak Kement tercih edilir. Ayrıca ilginç alternatif uygulama stratejileri olup …

14 bayesian  logistic  lasso  jags  regularization 

Jags ve rjags paketini kullanarak hiyerarşik bir model sığdırmaya çalışıyorum. Sonuç değişkenim, bernoulli çalışmalarının bir sırası olan y'dir. İki kategoride performans gösteren 38 insan denek var: Analizime göre, her konuşmacı P kategorisinde kategorisinde başarı olasılığı ve θ p × θ m kategorisinde M kategorisinde başarı olasılığı var . Ayrıca P …

13 mcmc  multilevel-analysis  jags 

JJS dilinde belirtilen bir modelde MCMC çalıştırmak için rjags kullandım. Bu modeli çıkartmanın ve onunla tahminler yapmanın iyi bir yolu var mı (parametrelerimin posterior dağılımlarını kullanarak)? Modeli R'de yeniden belirtebilir ve parametre posterlerimin modlarını takabilirim; Sadece bunu yapmanın daha az gereksiz bir yolu olup olmadığını merak ediyorum. Http://sourceforge.net/p/mcmc-jags/discussion/610037/thread/0ecab41c aynı soruyu …

12 r  jags 

R ve JAGS'de sıfır şişirilmiş bir poisson modeli kurmaya çalışıyorum. JAGS için yeniyim ve bunun nasıl yapılacağı konusunda bazı rehberliğe ihtiyacım var. Aşağıdakileri deniyorum burada y [i] gözlenen değişken model { for (i in 1:I) { y.null[i] <- 0 y.pois[i] ~ dpois(mu[i]) pro[i] <- ilogit(theta[i]) x[i] ~ dbern(pro[i]) y[i] <- …

12 r  poisson-distribution  jags  zero-inflation 

Tam koşullu koşulların türetilmesi genellikle zordur, ancak JAGS ve HATA gibi programlar otomatik olarak türetilir. Birisi herhangi bir keyfi model belirtimi için algoritmik olarak tam koşulların nasıl oluşturulduğunu açıklayabilir mi?

11 bayesian  conditional-probability  jags  bugs  gibbs 

R ve JAGS kullanarak bir meta-analiz için oldukça karmaşık bir hiyerarşik Bayesian modeli oluşturuyorum. Biraz basitleştirmek, modelin iki temel seviyeleri vardır burada olan inci gözlem son nokta (bu durumda, GM vs GM olmayan ekin verimleri) çalışma içinde j , \ alpha_j çalışması için etkisidir j , \ gama ler çeşitli …

10 autocorrelation  multilevel-analysis  mcmc  jags 

Burada , ağırlık parametresi aracılığıyla Rbir glmgerilemeyi "önceden ağırlıklandırabiliriz" . Örneğin: glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w) Bu bir JAGSveya BUGSmodelde nasıl yapılabilir ? Bunu tartışan bazı makaleler buldum, ancak hiçbiri bir örnek vermiyor. Esas olarak Poisson ve lojistik regresyon örnekleriyle ilgileniyorum.

10 bayesian  generalized-linear-model  jags  bugs  weighted-regression 

Gelman'ı (yeniden) okudum Neden (genellikle) birden fazla karşılaştırma konusunda endişelenmek zorunda değiliz . Özellikle "Birden fazla sonuç ve diğer zorluklar" bölümünde, aynı kişi / üniteden farklı zamanlarda / koşullarda birden fazla ilgili önlemin bulunduğu durumlar için hiyerarşik bir model kullanılmıştır. Bir dizi istenen özelliğe sahip olduğu görülmektedir. Bunun mutlaka Bayesci …

10 multiple-comparisons  multilevel-analysis  lme4-nlme  jags  hierarchical-bayesian 

Yanıtın bir oran olduğu bir model oluşturmaya çalışıyorum (aslında bir partinin seçim bölgelerinde aldığı oyların payıdır). Dağıtımı normal değil, bu yüzden bir beta dağıtımı ile modellemeye karar verdim. Ayrıca birkaç tahmin edicim var. Ancak, HATA / JAGS / STAN'da nasıl yazacağımı bilmiyorum (JAGS benim en iyi seçimim olurdu, ama gerçekten …

10 bayesian  jags  bugs  beta-regression  stan 

JAGS'ta sansür sorununun nasıl çözüleceğiyle ilgili bir sorum var. X değerlerinin ölçüm hatası olduğu normalde iki değişkenli bir karışım gözlemliyorum. Gözlenen sansür değerlerinin gerçek altında yatan 'araçlarını' modellemek istiyorum. ⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)⌈xtrue+ϵ⌉=xobserved ϵ∼N(0,sd=.5)\begin{align*} \lceil x_{true}+\epsilon \rceil = x_{observed} \ \epsilon \sim N(0,sd=.5) \end{align*} İşte şimdi ne var: for (i in 1:n){ …

10 mcmc  censoring  truncation  jags