R apenas alternativas para BUGS [fechado]

13

Estou seguindo um curso de estatística bayesiana usando BUGS e R. Agora, eu já conheço BUGS, é ótimo, mas não gosto muito de usar um programa separado em vez de apenas R.

Eu li que existem muitos novos pacotes bayesianos em R. Existe uma lista ou referência sobre quais pacotes existem para estatísticas bayesianas e o que eles fazem? E, existe uma alternativa ao pacote R para a flexibilidade dos BUGS?

r bayesian bugs Sacha Epskamp
fonte

Respostas:

8

Você pode dar uma olhada no pacote MCMCglmm que vem com vinhetas muito legais. Também existe uma bayesglm()função para ajustar modelos lineares generalizados bayesianos no pacote de braços , de Andrew Gelman. Também ouvi falar de uma versão blmer / bglmerfunções futuras para modelagem hierárquica no mesmo pacote.

chl
fonte
2
No braço do pacote, há os erros de fucntion, que permitem chamar erros de R. É isso que eu uso na minha pesquisa. No blog da Gelman, há um exemplo de caling WinBUGS por R.
Manoel Galdino
6

Algumas pessoas que eu conheço estão usando o JAGS . A sintaxe JAGS é semelhante ao BUGS.

csgillespie
fonte
(+1, mas acho que o OP está atrás de alguma solução pura de R.) Ele funciona muito bem com o pacote rjags , mas ainda precisamos especificar nosso modelo na sintaxe do BUGS em um arquivo externo.
chl 06/06
5

Segundo a visão de tarefa bayesiana. Eu apenas adicionaria um voto ao MCMCpack , um pacote maduro que oferece uma variedade de modelos. Na maioria das vezes, também é bem documentado.

JMS
fonte
0

O desempenho é a principal razão pela qual as pessoas usam o WinBUGS / OpenBUGS / JAGS vs. pacotes como o MCMglmm. É muito difícil, não prático, escrever um amostrador Gibbs eficiente em R. nativo. Existem pacotes que permitem executar modelos BUGS a partir de um script R, principalmente RBUGS e BUGSParallel .

Jeff Hall
fonte
1
MCMCglammé um mau exemplo, porque "[todas as simulações são feitas em C / C ++ usando a biblioteca CSparse para sistemas lineares esparsos" (consulte o resumo ).
Bernd Weiss
1
-1; veja @Bernd. A maioria dos pacotes maduros usa código compilado. A principal razão é que BUGS et al são mais flexíveis, pois podem caber em mais modelos. Embora isso possa levar a uma computação mais eficiente, já que um pacote R - mesmo com código compilado - precisa ser mais geral, talvez não.
JMS
1
O MCMCpack usa código C / C ++ compilado, otimizado para a tarefa em questão, por isso é realmente mais rápido do que fazer algo em um pacote generalizado como o JAGS (para uma tarefa específica).
30712 Wayne