winbugs

    0熱度

    1回答

    我是JAGS的新手,我通過R2jags包在R中運行模型。 模型代碼是基於從柯瑞& Schaub的2012('貝葉斯人口分析使用WinBUGS軟件「)取的代碼,第399 卡方度量差異計算 model { .... for(g in 1:G) { for (t in 1:T) { ... E[g,t] <- pow((y[g,t] - eval[g,t]),2)/ev

    0熱度

    1回答

    這是我第一次使用JAGS,並且在建模數據時遇到了一些錯誤。 這裏是我的數據的簡要說明: 總共有n人(例如2個)每個人都解決了m問題(例如6)。所有問題都有3個答案,每個答案都有一定的值V。 這裏是the graphic model(一些變量名是不同的:IG和y是相同的分別V和answer,; x不包括在我的模型)。 人i選擇問題j的每個答案的概率遵循「softmax決策規則」:exp(V[j,]/

    1熱度

    1回答

    我正在用R中的JAGS對離散值擬合威布爾模型。我對連續數據擬合威布爾沒有問題,但是當我切換到離散數據時遇到麻煩值。 這裏有一些數據和代碼在JAGS以適應泊爾模型: #draw data from a weibull distribution y <- rweibull(200, shape = 1, scale = 0.9) #y <- round(y) #load jags, speci

    0熱度

    1回答

    我遇到的問題是如何使用R2WinBUGS運行一些仿真研究。其目的是模擬n個數據集(瞄準1000,但從10開始),並將它們全部作爲矩陣放入R2WinBUGS代碼,以便當它移植到WinBUGS時,它將運行產生n個數據集的估計值。下面是我目前有: 的型號: model{ alpha0 ~ dnorm(66.6, 0.01) alpha1 ~ dnorm(0.3, 0.01)

    2熱度

    1回答

    我可以使用WinBUGS運行簡單的Jolly-Seber模型,但不能與Jags運行。我可以用Jags運行線性迴歸,這表明R能夠找到並執行Jags。因此,我懷疑問題可能是Jags無法解釋模型代碼中的一行(或多行)。請檢查下面的代碼,並建議如何將其修改爲在Jags中運行。最初我懷疑prod函數在Jags中不可用。但是,手冊Jags的搜索顯示Jags確實包含prod函數。 這是我能想到的最簡單的工作示例

    0熱度

    1回答

    我以前使用OpenBUGS/WinBUGS軟件工作執行我的貝葉斯統計,但已經決定搬過來在Python使用PYMC3包。所以我對pacakage相當陌生,仍然在學習如何充分利用它。我在將BUGS代碼轉換爲PYMC3時遇到一些困難。原來BUGS代碼如下: model { for (i in 1 : N) { Tobs[i] ~ dpois(mu[i]) mu[i]<- u[i]*

    1熱度

    1回答

    語境: 我有個人在那裏從0-4(4級爲最高風險給出等級12項風險評估)。風險評估可以針對每個人進行多次(最多= 19,但大多數只有少於5次)。 風險的基準水平因人而異,因此我正在尋找隨機截距模型,但也需要反映風險的動態性,即將「時間」添加爲隨機係數。 結果是二進制的: 進一步違規(FO.bin)發生在測量水平,將意味着我基本上是在尋找具有一個或多個內發生的動態變化12項內容以及他們如何在測量期間對

    1熱度

    1回答

    第一次在這裏發佈,所以我希望我能夠勾選所有要求的框。我正在使用NICE技術支持文檔通過R和R2WinBUGS提供的代碼進行網絡元分析。模型可以很好地使用均值差異,但是當我轉換爲對衝G時,我突然收到一個未定義的實際誤差,這似乎是非正定協方差矩陣的結果。我敢肯定我錯過了一些明顯的事情,但希望得到任何幫助。請參閱下面的代碼。 library(R2WinBUGS) re_normal_gaus <-

    2熱度

    1回答

    我正在使用r2openbugs擬合一組模型文件。這要求我爲每個我嘗試的模型創建一個新的模型文件。我有一套我想測試的組合(不同的協變量集合,是否包含隨機效應,是否計算預測等)。我想創建一個腳本,它需要一組參數(包括協變量的列表,用於隨機效果和預測的T/F)並輸出有效的openbugs模型文件。 當前在該問題上的嘗試: 我正在寫出我希望使用的每個模型並使用R閉包在它們之間進行選擇。但是,這顯然是重複了

    0熱度

    1回答

    我正在尋找運行層次泊松模型曲棍球目標趨勢數據。這裏是在錯誤建立模型: modelString <- "model { for(i in 1:n_obs){ hockey_goals[i] ~ dpois(p[i]) log(p[i]) <- p_inter + p_age * age[i] + p_sv_pct * sv_pct[i] + p_team * t