jags

    1熱度

    1回答

    我希望JAGS模型中的變量被分配一個概率爲p [i]的值,另一個值爲概率1-p [i]。 p [i]是模型中的變量。 我試過以下,但我不確定它是否合適。恐怕單個值(0或1)會歸因於主體i,並且此值將始終保持不變:對於給定主體i,向量a [i]中的值將始終等於20或30我想得到的是一個包含20s和30s的矢量,其中20的概率等於p [i]。 for (i in 1:n) { m[i] ~

    2熱度

    1回答

    我正在做一個網絡薈萃分析,包括幾個臨牀試驗。答案是二項式的。每個試驗包含幾種治療方法 當我做一個隨機效應模型時,來自JAGS和WinBUGS的輸出是相似的。當我做一個固定的效果模型時,DIC和pD組件是出路的,儘管我感興趣的參數的後綴是相似的。 我有類似的模型,有高斯響應,而不是二項式,JAGS和WinBUGS是一致的。 固定效應模型的BUGS/JAGS代碼從page 61 of this中解除,

    0熱度

    1回答

    我感到很困惑,在V形凹口下面的語法,例如, n.iter=100,000 thin=100 n.adapt=100 update(model,1000,progress.bar = "none") 目前我認爲 n.adapt=100意味着您將第一個100平的老化, n.iter=100,000指MCMC鏈有100,000次迭代,包括老化, 我已經檢查了這個問題的很多時間的解釋,但仍然不確

    0熱度

    1回答

    我現在正在使用包含兩個組件的混合模型:正態和對數正態以適應矢量。 我嘗試使用JAGS,這裏是代碼: model { for(i in 1:N) { y[i] <- latent[i,index[i]+1] index[i] ~dbern(pi) latent[i,1]~ dlnorm(mu1,tau1) latent[i,2]~ dnorm(mu2

    2熱度

    1回答

    我正在使用RJAGS構建分層貝葉斯線性迴歸模型,並且我想約束三個參數值的總和,使其平均值爲1.3。那就是: 的模型是: Y = B1 * X1 + B2 * X2 + B3 * X3 + ... + BN * XN 而且, B1 + B2 + B3〜dnorm(1.3,1 /(0.2)^ 2) 有沒有可能這樣做?使用一行代碼來分配上一行中的參數總和似乎不起作用。 第二個最好的選擇是完全約束參數(B

    2熱度

    1回答

    我想用JAGS來推斷(隨機)純出生過程中的出生率。 在化學的語言,這種模式是相當於反應:X-> 2X與速率的α* X(也可以被看作是一個鏈式反應的模型) 這是R代碼我用於生成過程(在固定時間)以及用於對參數α進行推斷的鋸齒代碼。 library(rjags) y <- 1; # Starting number of "individuals" N <- 25 # number of time

    1熱度

    1回答

    我想使用OpenBUGS code來估計cox regression model的beta值。 我修改了示例代碼,因爲在該示例中它只有一個測試版,我需要各種不同數量的測試版,具體取決於我提供的模型。 這是我的openBUGS模型;它運行正常: bugsmodel <- function(){ # Set up data for(i in 1:N) { for(j in 1:T) {

    2熱度

    1回答

    我在搞清楚一個相當艱難的時間,其中誤差應該在這個簡單的Rjags型號不一致: dt= [1] 0.000000e+00 0.000000e+00 0.000000e+00 0.000000e+00 0.000000e+00 2.304157e-06 1.014568e-05 [8] 1.798720e-05 2.582872e-05 3.367025e-05 4.151177e-05

    0熱度

    1回答

    總結離散分佈的後驗概率給出一個以上的值。我哪裏錯了? 這是通過V形凹口 生成後

    1熱度

    1回答

    我試圖找出50個樣本均值的95%可信區間。樣品尺寸範圍從2至600,和每個樣品中的值是有界1和5之間 例如: sample 1 = (1,3.5,2.8,5,4.6) sample 2 = (1,5) sample 3 = (4.1,1.1,5,3.5,2,2.4,...) 樣品具有10或更大的尺寸具有對數正態分佈,其中i用於JAGS爲貝葉斯估計數正態分佈適於從約翰K. Kruschke參