问题标签 [rjags]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
hierarchical-data - 如何比较分层模型中的两个超参数?
在一个分层模型中,我们有两个 hyer 参数:dnorm( A_mu
, 0.25^-2) 和 dnorm ( B_mu
, 0.25^-2)。在这种情况下,0.25 是 sd,我使用固定数字。A_mu
并B_mu
表示组水平的平均值。通过 拟合数据后rjags
,我们得到每个参数的分布。A_mu
所以我只是直接比较和的最高后密度区间(HDI) B_mu
?我是否需要使用 sd(0.25) 进行计算?
在另一种情况下,如果两个超参数的 sd 不固定,例如:dnorm( A_mu
, A_sd
) 和 dnorm ( B_mu
, B_sd
)。我如何比较两个超参数并做出决定,例如这个组与另一个组显着不同?
r - 使用 RSTAN 拟合泊松 HMM JAGS 模型
Walter Zucchini 在他的书Hidden Markov Models for Time Series An Introduction Using R中,在第 8 章第 129 页中,使用 R2OpenBUGS 调整了 Poisson HMM,然后我展示了代码。我有兴趣调整这个相同的模型,但使用 rstan,但由于我是使用这个包的新手,所以我不清楚任何建议的语法。
数据
RJAGS
输出
斯坦
但是,运行 stan 模型时会发生错误。
r - 模型有时会编译,有时不会,尽管没有任何变化
所以我在下面给出了一个 rjags 模型。我的问题是,当我想运行时jags.model()
,它有时会编译,有时却不会。jags.model()
因此,当我立即使用相同的参数重新运行相同的函数并且没有任何变化时,我可以从字面上运行该函数并且没有发生错误jags.model()
我突然收到错误消息:
我真的不知道这是怎么发生的,我的工作空间有问题吗?以下是我的输入和我的模型。
我的输入数据如下所示:
在这里您可以复制并粘贴它:
bayesian - 混合之前在 JAGS 中不起作用,仅当包含可能性项时
底部的代码将复制问题,只需将其复制并粘贴到 R 中即可。
我想要的是平均值和精度在 30% 的时间为 (-100, 100),在 70% 的时间为 (200, 1000)。把它想象成在 a、b 和 p 中排列。
所以“选择”应该是 1 30% 的时间和 2 70% 的时间。
实际发生的是,在每次迭代中,pick 为 2(如果 p 的第一个元素是较大的元素,则为 1)。您可以在摘要中看到这一点,其中“pick”、“testa”和“testb”的分位数始终保持不变。最奇怪的是,如果你去掉似然循环,那么 pick then 会完全按照预期工作。
我希望这能解释问题,如果不让我知道的话。这是我第一次发帖,所以我肯定把事情搞砸了。
rank - Jags 中的等级函数
我无法让 Jags 中的“排名”功能正常工作。下面是改编自 Winbugs 的代码、模型和数据。不起作用的一点是:
,这会引发以下错误:
我知道 Jags 中的功能等级不同。所以,当我尝试使用 somwhing 重新编码它时:
我得到错误:
任何建议表示赞赏。非常感谢,丽索
模型
为 JAGS 定义一些 MCMC 参数
数据
运行模型
r - 如何绘制对数后验的轨迹(直至成比例)?
我正在努力从 JAGS 模型中获取一些后验图。获得对数后验(直至成比例)的轨迹图的最佳方法是什么?
r - 具有离散似然和连续先验的 jags 算法是什么
我正在尝试理解以下 rjags 代码。
它具有泊松似然和正态先验,因此吉布斯采样没有封闭形式。那么这里使用的是什么MCMC方法呢?ARS?切片采样?还是大都会黑斯廷?
r - Rjags 中的分层混合模型
这是我第一次使用 rjags,我正在尝试拟合一些计数数据 Y。我使用的分层混合模型如下:
这里,Y是我观察到的计数数据,N是已知的。
我写了一个我一直在玩的简单的 rjags 模型。但是,在对简单的模拟数据进行测试时,我得到了非常糟糕的结果。这是我生成模拟数据并运行模型的代码:
运行此之后,a、b、c、d 的后验估计非常差,并且组件分配 m 也与真实分配不匹配。我还注意到绘制链看起来并不好,即使增加迭代次数也是如此。
有什么建议吗?我不确定我是否以最佳方式拟合混合物。如果还有其他更易于使用的发行版,我也绝对愿意更改我在 a、b、c、d 上的先验知识。
r - JAGS:节点与父节点不一致 - 来自 Coursera 贝叶斯统计:技术和方法
下面的 R 代码来自 Coursera 课程,但它似乎不起作用。我收到一个错误,表明它y[1]
与它的父母不兼容,但鉴于它的值为 1 并且它的父母形成了一个 n 等于 4 的二项分布,我看不出它是如何不兼容的。
以下命令显示y[1] = 1
and n[1] = 4
:
完整的错误是:
完整的代码是:
r - 拟合 JAGS (R) 中的随机变量总和
所以我目前有一个模型适合一些“答案是肯定的试验”
你并不需要知道我相信的细节,但它是一个分层模型,其中数据是一个 3d 数组(2 个条件 * 48 个参与者 * 7 个试验类型)。最后一行是
这是在这种类型/条件/参与者试验[i,j,k] 中的许多试验上以概率 pdiff[i,j,k] 的二项式得出的“是”响应的预测数量。
这个功能很好,让我很适合和合理的参数估计。
但是,现在我想添加“是”响应与 pdiff 根本无关的可能性,而是对于某些比例的试验是随机决定(例如,参与者没有注意,点击错误,等等)。
所以我为每个参与者添加了一个节点 lapse[i],它应该代表在任何一次试验中“猜测”的概率。然后将底线替换为
也就是说,我们现在将试验总数 [i,j,k] 分为“常规”试验(其响应取决于上述模型)和失效试验(浓度已“失效”),然后绘制分别为每个我们得到多少“是”的回答是由于猜测,以及有多少是由于基于模型的答案。然后在最后对这些求和,我们仍然将 resp_diff[i,j,k] 拟合到一个 R 数组 resp_diff ,其数据被输入到 JAGS 模型中。
这不起作用,我得到错误
我一生都无法弄清楚为什么会发生这种情况,但我认为这与我对 dsum 函数的误解有关。我也尝试了常规的“总和”,但没有运气。
我在这里做错了什么?任何帮助将不胜感激!
谢谢,
H