问题标签 [openbugs]

我正在尝试为我的二进制数据建模一个多元 Probit 模型。我一直在尝试一切，但 WinBUGS 作为回报给了我这个错误。任何想法或建议都受到热烈欢迎。

model{ for (i in 1:ns){ ## 循环研究

这些是我的数据：

该模型在语法上是正确的，它允许我加载数据。编译后，标题中出现错误。感谢您提供的任何帮助

我对 R 和 OpenBugs 比较陌生，并且花了很多时间对这个模型进行故障排除。我已经能够通过在线资源自己弄清楚其中的相当数量，但我被这个错误困住了。它说这是“节点虚拟[1]的多个定义”。我在网上读到这个错误通常是由于试图在没有索引的 for 循环中定义一个变量引起的，但我的变量有。我根据这里的资源创建了这个模型。

我努力寻找错误。下面列出的代码应该会产生与我看到的相同的错误。我还包括了我在 OpenBugs 上看到的日志错误。感谢您抽出时间来帮助我。

数据：

模型：

日志报告：

I have a likelihood model and a dataset all working nicely, but when it comes to trying to predict an estimate of the posterior predictive distribution for a certain output, I have no idea what is wrong. I am predicting scores in relation to a set of covariates.

I have specific values for these covariates and would like to calculate the output variable using these. I was told that in my data I had to add n+1 to the N observations, and NA to my output list, as well as add my covariates. I was told not to touch the model. The data loads, the model loads but when I hit compile it tells me 'multiple defintions of node Y[n+1}'. I don't understand how this could happen if I haven't touched the model? Does anyone know how to solve this? Thank you

我目前正在 Openbugs 中开发一个分层贝叶斯模型，该模型涉及很多（大约 6000 个站点）的二项式过程。它描述了连续移除电动钓鱼事件/通行证，一般结构如下：

其中 n_sites 是我正在查看的网站总数。n_pass[i] 是在站点 i 进行的钓鱼通道数。N[i,j] 是当鱼通过 j 时站点 i 中鱼的数量。N_tot[i] 是在任何鱼通过之前站点 i 中的鱼的总数，它是站点 d[i] 的密度乘以站点 S[i] 的表面（表面已知）的乘积。C[i,j] 是在鱼通过 j 期间在站点 i 捕获的鱼的数量。p[i,j] 是鱼道 j 在站点 i 捕获的概率。

每个站点平均有 3 个钓鱼通道，这是很多连续的二项式过程，通常需要大量时间来计算/收敛。我无法近似二项式过程，因为捕获量通常很小。

所以我有点卡住了，我正在寻找解决这个问题的建议/替代方案。

提前致谢

编辑历史：15-11-2016：在@M_Fidino 澄清请求之后添加了 d 和 p 的先前定义

我在 R 版本 3.3.2（2016-10-31）上的 OpenBUGS 中设置多元正态（MANOVA 样）回归时遇到问题，平台：x86_64-pc-linux-gnu（64 位），在以下条件下运行： Ubuntu 14.04.5 LTS。

我的模型是：

数据样本：

Inits（未使用，因为编译模型时发生错误）：

然后在开始采样时：

我在使用 BRugs 或 R2OpenBUGS 从 R 连接 openBUGS 时遇到了同样的问题。这也不是数据中有 NA 的问题。请注意，来自 Lunn 等人的多元正态“Jaws”示例。（Jaws 示例）在我的机器上运行良好。

我知道这可能是一个很难解决的问题（请参阅此处），但我仍然希望有人能够提供帮助。

谢谢！

列表（n = c（1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1, 1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1), dgf=c(0,0,0,0,0,0,0 ,0,0,0,1,1,0,0,0,0,0,0,0,1,1,1,0,0,1,1,0,0,0,1,1,1 ,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0,1,0,0,0,0 ,0,0,0,1,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,0,0 ,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,0,0,0,1 ,0,0,0,0,0,1,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,1,0,0,0 ,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0 ,0,0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0 ,0,0,0,0,0,0), 主题=c(1,1,2,2,3,3,4,4,5,5,6,6,7,7,8,8, 9,9,10,10,11,11,12,12,13,13,14,14,15,15,16,16,17,17,18,18,19,19,20,20,21,21,22,22,23,23,24,24,25,25,26,26,27,27,28,28, 29,29,30,30,31,31,32,32,33,33,34,34,35,35,36,36,37,37,38,38,39,39,40,40,41, 41,42,42,43,43,44,44,45,45,46,46,47,47,48,48,49,49,50,50,51,51,52,52,53,53, 54,54,55,55,56,56,57,57,58,58,59,59,60,60,61,61,62,62,63,63,64,64,65,65,66, 66,67,67,68,68,69,69,70,70,71,71,72,72,73,73,74,74,75,75,76,76,77,77,78,78, 79,79,80,80,81,81,82,82,83,83,84,84,85,85,86,86,87,87,88,88,89,89,90,90,91, 91,92,92,93,93,94,94), CR=c(NA,NA,1.41,0.85,1.13,0.65,NA,NA,2.13,1.61,7.31,3.8,1.65,2.32,1.13,2.3 ,0.99,1.5,1.32,3.95,7.2,2.97,0.83,1.55,NA,6.5,0.89,1.2,1.52,7,8.68,7.41,NA,0.86,NA,1.92,NA,1.31,7.8,1.78,NA ,1.67,NA,NA,NA,NA,NA,2.25,0.98,0.82,3.94,1.14,12,2.58,2.42,2.59,NA,NA,NA,6.6,3.22,NA,2.02,2.43,1.96 ,0.82,1.64,1.81,1.53,1.01,5.21,8.33,1.14,1.49,6,5.6,2,3.33,4.08,NA,NA,1.14,1.25,0.85,5.42,0.85,0.65,1。02,1.33,1.1,1.12,NA,NA,1.53,1.76,2,0.85,2.9,5,4.09,2.68,0.98,1.48,0.66,0.57,5.72,2.34,0.93,2.39,1.39,1.44,4.77, 2.39,1.79,1.2,0.81,1.25,4.69,1.22,1.92,1.48,2.46,NA,NA,2.53,1.12,1.74,3.45,1.22,1.27,2.61,1.75,0.82,NA,1.4,NA,5.1, 1.24,1.5,1.94,1.24,1.04,1.24,NA,2.39,NA,2.07,2.19,1.6,6,6.38,1.17,1.2,5.62,6.39,1.82,1.31,NA,1.18,3.71,2.03,5.4, 2.17,NA,1.94,1.57,1.44,1.35,1.63,1.24,1.54,1.5,NA,NA,NA,NA,1.44,NA,2.19,7.98,2.15,1.71,1.45,NA,0.98,2.37,1.58) , N = 188)2.19,7.98,2.15,1.71,1.45,NA,0.98,2.37,1.58), N = 188)2.19,7.98,2.15,1.71,1.45,NA,0.98,2.37,1.58), N = 188)

我知道错误是因为变量“CR”中的“NA”，但我不知道如何解决它。我会很感激任何帮助。

我在 R 的“R2OpenBUGS”中工作。我有一些 mcmc 链：

我的问题是当codaPkg = TRUE时如何打印 DIC 。如果 codaPkg = FaLSE，那么如果我只执行 print(mcmc)，它会在最后打印 DIC 值。

但是当“codaPkf=TRUE”时，它只会打印如下内容：

那么，我现在如何打印 DIC 值呢？

我正在寻找对曲棍球目标倾向数据运行分层泊松模型。这是在错误中设置的模型：

然后我编译并加载数据：

此时我收到一个错误：handleRes(res) 中的错误：NA

关于我哪里出错的任何想法......？

我以前一直在使用 OpenBUGS/WinBUGS 来执行我的贝叶斯统计，但我决定转而使用 Python 中的 PYMC3 包。所以我对 pacakage 还很陌生，还在学习如何充分使用它。我在将 BUGS 代码转换为 PYMC3 时遇到了一些困难。原BUGS代码如下：

我已经用python这样写了这个：

我的模型运行但输出似乎不正确。具体来说，“Tlatent_new”不会从我在“Tlatent”中分配给它的初始值更新。如果我不尝试在我的模型中加入 'pop_eff' 即删除行 'Tobs_new = pm.Binomial('Tobs_new', n=Tlatent_new, p=pop_eff, shape=1425,observed=Tobs)' 我发现' Tlatent_new' 将从'Tlatent' 中给出的初始值改变。我不明白为什么这条附加线会阻止模型更新“潜在”或如何解决这个问题。

任何关于问题可能是什么的建议将不胜感激。

我正在使用 r2openbugs 拟合一组模型。这需要我为我尝试的每个模型创建一个新的模型文件。我有一组我想测试的组合（不同的协变量集，是否包含随机效应，是否计算预测等）。我想创建一个脚本，它采用一组参数（要包含的协变量列表、随机效应和预测的 T/F）并输出有效的 openbugs 模型文件。

当前对该问题的尝试：我目前正在写出我希望使用的每个模型，并使用 R 闭包在它们之间进行选择。但是，这显然是重复了很多代码，并且需要很长时间。我确信可以通过根据某些参数添加/修改基本模型的文本来生成适当的模型文件，但我真的不知道从哪里开始。

我想使用 R 来做到这一点，但如果有必要，我很乐意使用 bash。

示例模型：

基本 GLM 模型

会回来

GLMM MODEL（与之前的模型相同，但添加线条以获得随机效果）

会回来

GLM 模型（移除 cov2）

会回来

GLM 模型（带有预测）

会回来