全文下载链接：http://tecdat.cn/?p=11974

最近咱们被客户要求撰写对于WinBUGS 的钻研报告，包含一些图形和统计输入。
R2WinBUGS软件包提供了从R调用WinBUGS的便捷性能。它主动以WinBUGS可读的格局写入数据和脚本，以进行批处理（自1.4版开始）。WinBUGS流程实现后，能够通过程序包自身将后果数据读取到R中（这提供了推断和收敛诊断的紧凑图形摘要），也能够应用coda程序包的性能对输入进行进一步剖析。 

WinBUGS软件可从http\://www.mrc-bsu.cam.ac.uk/bugs/收费取得。  

R是一种“用于数据分析和图形处理的语言”，是一种实现该语言的凋谢源代码和收费提供的统计软件包，请参见http\://www.R-project.org/。  R和R2WinBUGS可从CRAN 取得，即http\://CRAN.R-Project.org或其镜像之一。 如果能够应用Internet连贯，则能够在R命令提示符下键入install.packages（“ R2WinBUGS”）来装置R2WinBUGS。别忘了用library(R2WinBUGS)

例子

学校数据

学术能力测验（SAT）掂量高中生的能力，来帮忙大学做出退学决定。咱们的数据来自1970年代前期进行的一项试验，来自八所高中的SAT-V（学业能力测试语言）。SAT-V是由教育测试服务局治理的规范多项抉择测试。该服务对所选学校中每所学校的教练打算的成果很感兴趣。

相干视频

拓端

拓端

实现

R2WinBUGS软件包的实现非常简单。main“函数bugs（） 由用户调用。原则上，它是对 其中逐渐调用的其余几个函数的包，如下：

  1. bugs.data.inits（）写入数据文件' data.txt”和“ inits1.txt”，“ inits2.txt” ...进入 工作目录。
  2. bugs.script（）写入WinBUGS用于批处理的文件“ script.txt”。
  3. bugs.run（）更新WinBUGS注册表 ，调用WinBUGS，并应用 'script.txt' 以批处理模式运行它。
  4. bugs.sims（）如果参数codaPkg已设置为false（默认值）才调用。\
    否则，bugs（）返回存储数据的文件名。例如，这些能够通过打包的coda 导入，该软件包提供了收敛诊断，蒙特卡洛预计的计算，迹线图等性能。\
    bugs.sims（）函数将WinBUGS中的模仿读取到R中，将其格式化，监督收敛，执行收敛查看并计算中位数和分位数。它还为bugs（）自身筹备输入。\
    这些性能不禁用户间接调用。参数将从bugs（）传递给其余函数。

例子 

咱们将 R2WinBUGS提供的性能利用于示例数据并剖析输入。

学校数据

示例数据 ：

> schools

\
为了对这些数据进行建模，咱们应用了Gelman等人提出的分层模型。咱们假如每所学校的观测估计值具备正态分布，且均值theta 和方差tau.y，逆方差为1 =.y2，其先验散布在（0,1000）上是平均的。对于均值theta，咱们采纳另一个正态分布 均匀为mu.theta和逆方差为tau.theta。无关其先验散布，请参见以下WinBUGS代码：

model {for (j in 1:J){y[j] ~ dnorm (theta[j], tau.y[j])theta[j] ~ dnorm (mu.theta, tau.theta)tau.y[j] <- pow(sigma.y[j], -2)}mu.theta ~ dnorm (0.0, 1.0E-6)tau.theta <- pow(sigma.theta, -2)sigma.theta ~ dunif (0, 1000)}

点击题目查阅往期内容

R语言用贝叶斯线性回归、贝叶斯模型均匀 (BMA)来预测工人工资来预测工人工资")

左右滑动查看更多

01

02

03

04

此模型必须存储在独自的文件中，例如'schools.bug'2，在适当的目录中，例如c：/ schools /。在R中，用户必须筹备bugs（）函数所需的数据输出。这能够是蕴含每个数据向量名称的列表，例如

> J <- nrow(schools)

应用这些数据和模型文件，咱们能够运行MCMC模仿以获取theta， mu.theta和sigma.theta的估计值。在运行之前，用户必须确定要运行多少个链 （n.chain = 3）和迭代次数（n.iter = 1000）。另外，用户必须指定链的初始值，例如通过编写函数：

> inits <- function(){+ list(theta = rnorm(J, 0, 100), mu.theta = rnorm(1, 0, 100),+ sigma.theta = runif(1, 0, 100))+ }

能够开始MCMC模仿，R中的参数bugs.directory必须指向WinBUGS的装置目录。能够通过print（schools.sim）不便地输入school.sim对象中的后果。 \
对于此示例，将取得相似的后果

Inference for Bugs model at "c:/schools/schools.bug"3 chains, each with 1000 iterations (first 500 discarded)n.sims = 1500 iterations savedmean sd 2.5% 25% 50% 75% 97.5% Rhat n.efftheta[1] 11.1 9.1 -3.0 5.0 10.0 16.0 31.8 1.1 39theta[2] 7.6 6.6 -4.7 3.3 7.8 11.6 21.1 1.1 42theta[3] 5.7 8.4 -12.5 0.6 6.1 10.8 21.8 1.0 150theta[4] 7.1 7.0 -6.6 2.7 7.2 11.5 21.0 1.1 42theta[5] 5.1 6.8 -9.5 0.7 5.2 9.7 18.1 1.0 83theta[6] 5.7 7.3 -9.7 1.0 6.2 10.2 20.0 1.0 56theta[7] 10.4 7.3 -2.1 5.3 9.8 15.3 25.5 1.1 27theta[8] 8.3 8.4 -6.6 2.8 8.1 12.7 26.2 1.0 64mu.theta 7.6 5.9 -3.0 3.7 8.0 11.0 19.5 1.1 35sigma.theta 6.7 5.6 0.3 2.8 5.1 9.2 21.2 1.1 46deviance 60.8 2.5 57.0 59.1 60.2 62.1 66.6 1.0 170pD = 3 and DIC = 63.8 (using the rule, pD = var(deviance)/2)For each parameter, n.eff is a crude measure of effective sample size,and Rhat is the potential scale reduction factor (at convergence, Rhat=1).DIC is an estimate of expected predictive error (lower deviance is better).

此外，用户能够通过输出plot（schools.sim）生成后果图。后果图如图所示。在该图中，左列显示了以下内容的疾速摘要：\
推论和收敛（所有参数的Rb都靠近1.0，表明三个链的良好混合，因而近似收敛）；右列显示每组参数的推论。从右栏中能够看到，R2WinBUGS应用 WinBUGS中的参数名称将输入结构为标量，向量和参数数组。

点击文末 “浏览原文”

本文选自《R语言用WinBUGS 软件对学术能力测验建设档次（分层）贝叶斯模型》。

点击题目查阅往期内容

R语言Gibbs抽样的贝叶斯简略线性回归仿真剖析

python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化

Python贝叶斯推断Metropolis-Hastings（M-H）MCMC采样算法的实现

Metropolis Hastings采样和贝叶斯泊松回归Poisson模型

Matlab用BUGS马尔可夫区制转换Markov switching随机稳定率模型、序列蒙特卡罗SMC、M H采样剖析工夫序列

R语言RSTAN MCMC：NUTS采样算法用LASSO 构建贝叶斯线性回归模型剖析职业声望数据

R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机稳定率SV模型、粒子滤波、Metropolis Hasting采样工夫序列剖析

R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型

R语言贝叶斯MCMC：用rstan建设线性回归模型剖析汽车数据和可视化诊断

R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例

R语言贝叶斯Poisson泊松-正态分布模型剖析职业足球比赛进球数

R语言用Rcpp减速Metropolis-Hastings抽样预计贝叶斯逻辑回归模型的参数

R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病

R语言中贝叶斯网络（BN）、动静贝叶斯网络、线性模型剖析错颌畸形数据

R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归

Python贝叶斯回归剖析住房累赘能力数据集

R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归剖析

Python用PyMC3实现贝叶斯线性回归模型

R语言用WinBUGS 软件对学术能力测验建设档次（分层）贝叶斯模型

R语言Gibbs抽样的贝叶斯简略线性回归仿真剖析

R语言和STAN,JAGS：用RSTAN,RJAG建设贝叶斯多元线性回归预测选举数据

R语言基于copula的贝叶斯分层混合模型的诊断准确性钻研

R语言贝叶斯线性回归和多元线性回归构建工资预测模型

R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例

R语言stan进行基于贝叶斯推断的回归模型

R语言中RStan贝叶斯层次模型剖析示例

R语言应用Metropolis-Hastings采样算法自适应贝叶斯预计与可视化

R语言随机搜寻变量抉择SSVS预计贝叶斯向量自回归（BVAR）模型

WinBUGS对多元随机稳定率模型：贝叶斯预计与模型比拟

R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样

R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例

R语言应用Metropolis-Hastings采样算法自适应贝叶斯预计与可视化

视频：R语言中的Stan概率编程MCMC采样的贝叶斯模型

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯预计