Запитання з тегом «jags»

"JAGS - це просто ще один пробовідбірник Гіббса. Це програма для аналізу байєсівських ієрархічних моделей з використанням моделювання Маркова ланцюга Монте-Карло (MCMC), не зовсім на відміну від BUGS." (http://mcmc-jags.sourceforge.net/)

4
OpenBugs проти JAGS
Я збираюся випробувати середовище стилю BUGS для оцінки байесівських моделей. Чи є якісь важливі переваги, які слід врахувати при виборі між OpenBugs або JAGS? Чи одна ймовірність замінити іншу в осяжному майбутньому? Я буду використовувати обраний Gibbs Sampler з R. У мене ще немає конкретного додатку, але я швидше вирішую, …
41 r  software  bugs  jags  gibbs 

1
Для яких розподілів параметризації в BUGS та R різні?
Я знайшов деякі дистрибутиви, для яких BUGS та R мають різні параметризації: Normal, log-Normal та Weibull. Для кожного з них я вважаю, що другий параметр, який використовується R, повинен бути перетворений в обернене (1 / параметр) перед тим, як використовувати його в BUGS (або в моєму випадку JAGS). Хтось знає …

2
Які попередні розподіли могли / повинні бути використані для дисперсії в ієрархічній байєсанській моделі, коли середня дисперсія представляє інтерес?
У своїй широко цитованій статті Попередні розподіли щодо параметрів дисперсії в ієрархічних моделях (916 цитування до цих пір в Google Академія) Гельман пропонує, що хорошими неінформативними попередніми розподілами для дисперсії в ієрархічній баєсовій моделі є рівномірний розподіл і розподіл на пів t. Якщо я правильно розумію, це працює добре, коли …

2
Параметри без визначених пріорів у Стен
Я тільки почав вчитися користуватися Стен і rstan. Якщо я завжди не плутався з тим, як працюють JAGS / BUGS, я вважав, що вам завжди потрібно визначити попередній розподіл для кожного параметра в моделі, з якої слід виводитись. Схоже, вам не доведеться робити цього в Стен на основі його документації. …

3
Байєсівський змінний вибір - чи справді це працює?
Я подумав, що я можу погратись із деяким байєсівським змінним вибором, дотримуючись приємного допису в блозі та пов'язаних з ним паперів. Я написав програму в rjags (де я досить новичок) і отримав дані про ціни на Exxon Mobil, а також деякі речі, які навряд чи пояснюють її повернення (наприклад, ціни …

1
Регульована байєсівська логістична регресія в JAGS
Існує декілька математично важких паперів, які описують байєсівський Лассо, але я хочу перевірити правильний код JAGS, який я можу використовувати. Чи може хтось розмістити зразок коду BUGS / JAGS, який реалізує регульовану логістичну регресію? Будь-яка схема (L1, L2, Elasticnet) була б чудовою, але віддає перевагу Лассо. Мені також цікаво, чи …

2
MCMC, що сходяться до одного значення?
Я намагаюся підігнати ієрархічну модель за допомогою джегів та пакету rjags. Моя змінна результат - y, яка є послідовністю випробувань Бернуллі. У мене є 38 людських предметів, які виступають у двох категоріях: P і M. На основі мого аналізу кожен оратор має ймовірність успіху в категорії P та ймовірність успіху …

1
Як генерувати прогнози за допомогою rjags?
Я використовував rjags для запуску MCMC на моделі, визначеній мовою JAGS. Чи є хороший спосіб витягти цю модель і виконати прогнози з нею (використовуючи задній розподіл моїх параметрів)? Я можу повторно вказати модель в R та підключити режими моїх плакатів параметрів; Мені просто цікаво, чи існує менш зайвий спосіб цього …
12 r  jags 

2
Як я можу встановити нульовий нагнітаний пуассон в JAGS?
Я намагаюся створити нульову завищену модель пуассона в R та JAGS. Я новачок у JAGS, і мені потрібні поради, як це зробити. Я намагався із наступним, де y [i] - спостерігається змінна model { for (i in 1:I) { y.null[i] <- 0 y.pois[i] ~ dpois(mu[i]) pro[i] <- ilogit(theta[i]) x[i] ~ …

2
Як такі програми, як BUGS / JAGS, автоматично визначають умовні розподіли для вибірки Gibbs?
Здається, що повні умови часто бувають досить важкими, але такі програми, як JAGS та BUGS, отримують їх автоматично. Чи може хтось пояснити, як вони алгоритмічно генерують повні умови для будь-якої довільної специфікації моделі?

1
Управління високою автокореляцією в MCMC
Я будую досить складну ієрархічну байєсівську модель для мета-аналізу з використанням R та JAGS. Дещо спрощуючи, два ключових рівні моделі мають де - це е спостереження кінцева точка (в даному випадку ГМ проти врожайності генетично модифікованих культур) у дослідженні , - ефект для дослідження , s - ефекти для різних …

3
Взважена узагальнена регресія в BUGS, JAGS
В Rми можемо «до» ваги в glmрегресії через вагу параметр. Наприклад: glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w) Як це можна досягти в JAGSабоBUGS моделі моделі? Я знайшов якийсь документ, який обговорював це, але жоден з них не дає прикладу. Мене цікавлять переважно приклади Пуассона та …

2
Ієрархічні моделі для численних порівнянь - контекст множинного результату
Я щойно читав (пере) читав "Гельман", чому нам (як правило) не потрібно турбуватися про багаторазове порівняння . Зокрема, у розділі "Кілька результатів та інші виклики" згадується використання ієрархічної моделі для ситуацій, коли в одній особі / підрозділі є різні пов'язані заходи в різні періоди / умови. Схоже, він має ряд …

2
Як я можу моделювати пропорцію BUGS / JAGS / STAN?
Я намагаюся побудувати модель, де відповідь є пропорційною (це фактично частка голосів, яку отримує партія в округах). Її розподіл не є нормальним, тому я вирішив моделювати його бета-розподілом. У мене також є кілька прогнозів. Однак я не знаю, як це написати в BUGS / JAGS / STAN (JAGS був би …

2
Цензура / укорочення в JAGS
У мене питання про те, як укласти проблему цензури в JAGS. Я спостерігаю, як біваріантна суміш нормальна, коли значення X мають похибку вимірювання. Я б хотів моделювати справжні основні "засоби" спостережуваних цензурованих значень. ⌈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*} Ось що я маю …

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.