R satunya alternatif untuk BUGS [ditutup]

13

Saya mengikuti kursus tentang statistik Bayesian menggunakan BUGS dan R. Sekarang, saya sudah tahu BUGS, bagus tapi saya tidak terlalu suka menggunakan program terpisah daripada hanya R.

Saya telah membaca bahwa ada banyak paket Bayesian baru di R. Apakah ada daftar atau referensi tentang paket yang ada untuk statistik Bayesian dan apa fungsinya? Dan, adakah alternatif paket R untuk fleksibilitas BUGS?

Sacha Epskamp
sumber

Jawaban:

8

Anda dapat melihat pada paket MCMCglmm yang dilengkapi dengan sketsa yang sangat bagus. Ada juga bayesglm()fungsi untuk memasang model linear umum Bayesian dalam paket lengan , oleh Andrew Gelman. Saya juga pernah mendengar tentang rilis blmer / bglmerfungsi masa depan untuk pemodelan hierarkis dalam paket yang sama.

chl
sumber
2
Di lengan paket ada bug fucntion, yang memungkinkan Anda untuk memanggil bug dari R. Itulah yang saya gunakan dalam penelitian saya. Di blog Gelman ada contoh caling winbugs oleh R.
Manoel Galdino
6

Beberapa orang yang saya tahu telah menggunakan JAGS . Sintaks JAGS mirip dengan BUGS.

csgillespie
sumber
(+1 tapi saya pikir OP adalah setelah beberapa solusi R murni.) Ini berfungsi baik dengan paket rjags , tetapi kita masih perlu menentukan model kita dalam sintaks BUGS dalam file eksternal.
chl
5

Kedua tampilan tugas Bayesian. Saya baru saja menambahkan suara untuk MCMCpack , paket matang yang menawarkan berbagai model. Sebagian besar didokumentasikan dengan cukup baik.

JMS
sumber
0

Kinerja adalah alasan utama orang menggunakan WinBUGS / OpenBUGS / JAGS vs paket seperti MCMglmm. Sangat sulit tidak praktis untuk menulis sampler Gibbs yang efisien dalam bahasa asli R. Ada paket yang memungkinkan Anda menjalankan model BUGS dari skrip R, terutama RBUGS dan BUGSParalel .

Jeff Hall
sumber
1
MCMCglammadalah contoh buruk karena "[a] ll simulasi dilakukan dalam C / C ++ menggunakan perpustakaan CSparse untuk sistem linear jarang" (lihat abstrak ).
Bernd Weiss
1
-1; lihat @Bernd. Sebagian besar paket matang menggunakan kode kompilasi. Alasan utama sebenarnya adalah bahwa BUGS dkk lebih fleksibel karena dapat memuat lebih banyak model. Walaupun ini dapat menyebabkan perhitungan yang lebih efisien karena paket R - bahkan dengan kode yang dikompilasi - harus lebih umum, itu mungkin tidak.
JMS
1
MCMCpack menggunakan kode C / C ++ yang dikompilasi, dioptimalkan untuk tugas yang ada, jadi sebenarnya lebih cepat daripada melakukan sesuatu dalam paket umum seperti JAGS (untuk tugas tertentu).
Wayne