winbugs

0熱度

1回答

所有！我使用winbugs做簡單的線性迴歸。但是，系統總是給出錯誤消息，預計逗號。這裏是我的模型聲明： model { for (i in 1:I) { Z[i] ~ dnorm(beta0 + beta1 * X[i], tau) } tau <- 1/(sigma*sigma) sigma ~ dunif(0, 100)

2熱度

1回答

JAGS和WinBUGS給出不同的DIC

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

「多變量分佈必須有多個組件」 - WinBUGS中的錯誤

編譯期間，我收到一個錯誤消息，說「多變量分佈必須有多個組件」，我無法獲得有關此錯誤的更多信息。任何人有任何想法如何解決這個問題，請分享。謝謝。 model { for(i in 1:n) { for(j in 1:J) { log(mu[i,j]) <- beta1[j]*x1[i] + beta2[j]*x2[i] + b[i,j] }

2熱度

1回答

JAGS/BUGS中的pow（）運算符

這可能並不重要，但是我一直在好奇。當我在JAGS/BUGS中構建一個模型時，我最初被教導使用pow()函數處理能量轉換（例如tau <- pow(sigma, -2)將標準偏差轉換爲正態分佈的精度參數），但很多時候我會結束而是使用簡單的算術運算符。我的問題是這樣的嗎？pow()有編程或語法上的好處，還是僅僅是一個美學問題？通過最初的探索，這裏有一個很好的，長期的玩具簡單線性迴歸，具體說明了兩種

0熱度

1回答

Winbug錯誤使用未定義的節點d

我試圖用我自己的數據編輯下載的網絡元分析模型，它運行良好，直到我加載我的數據後編譯模型。 Winbugs警告說「使用了未定義的節點d」。我試着把它整理出來，但是我失敗了。請幫幫我。模型和我的數據顯示如下。 # Binomial likelihood, logit link, inconsistency model # Random effects model model{ # ***

3熱度

2回答

翻譯WinBUGS軟件模型JAGS（用R）

我想實現以下模型JAGS爲WinBUGS軟件寫： model { for (i in 1:N) { wtp[i] ~ dweib(r[G[i]], mu[i])I(lower[i], upper[i]) mu[i] <- exp(beta[G[i]]) G[i] ~ dcat(P[]) } P[1] ~ d

1熱度

1回答

使用未定義的節點 - WinBUGS初學者

我試圖運行一個使用大型數據集（5.9百萬行）的模型。我得到錯誤made use of undefined node ... 我試過很多樣本數據（從我的大型數據集），通過模型罰款，直到樣本數據集大小達到〜8900行在哪一點出現錯誤。我可以嘗試生成一些示例數據以在必要時演示模型，但是不知道它是否與我正在使用的數據量有關？由於所討論的變量（節點）是在其他地方定義的，並且可以很好地處理示例數據，所以我被

2熱度

1回答

JAGS/WinBUGS中的嵌套隨機效應

我對在JAGS中擬合下面的嵌套隨機效應模型感興趣。 SAS代碼 proc nlmixed data=data1 qpoints=20; parms beta0=2 beta1=1 ; bounds vara >=0, varb_a >=0; eta = beta0+ beta1*t+ b2+b3; p = exp(eta)/(1+exp(eta));

0熱度

1回答

winbugs的腳本命令

如果我通過腳本在Winbugs14中運行我的模型，那麼用於細化或繪製箱形圖的命令是什麼？我知道一些基本的命令，例如： set(x) update(1000) density(alpha) ，但我無法找到變薄，或繪圖模型擬合，或Winbugs14文檔繪製箱線圖的命令。有任何想法嗎？

0熱度

2回答

Winbugs to Rjags beta二項模型翻譯

我正在通過Christensen等人的教科書「貝葉斯理念和數據分析」有一個簡單的練習中，涉及剪切和粘貼下面的代碼在運行WinBUGS軟件的書： model{ y ~ dbin(theta, n) # Model the data ytilde ~ dbin(theta, m) # Prediction of future binomial theta ~ dbeta(a, b) # The