タグ付けされた質問 「jags」

Rに離散時間モデルを適合させようとしていますが、その方法がわかりません。 従属変数を時間監視ごとに1つずつ異なる行に編成し、glm関数をlogitまたはcloglogリンクで使用できることを読みました。この意味で、私は3つの列があります：ID、Event（各time-obsで1または0）およびTime Elapsed（観測の開始以降）、および他の共変量。 モデルに合うようにコードを書くにはどうすればよいですか？従属変数はどれですか？Event従属変数として使用できTime Elapsed、共変量に含めることができると思います。しかし、どうなりIDますか？必要ですか？ ありがとう。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

Gelman＆Hill（2006）のコメント： Bugsでは、回帰で欠落した結果は、データベクトル、NAなどを含めるだけで簡単に処理できます。バグは明示的に結果変数をモデル化するため、このモデルを使用して、実際には各反復で欠損値を補完するのは簡単です。 これは、JAGSを使用して予測を行う簡単な方法のように思えます。しかし、結果が欠落している観測は、パラメーター推定にも影響しますか？もしそうなら、これらの観測をJAGSが見るデータセットに保持する簡単な方法はありますか？私はカット機能について考えていましたが、それはJAGSではなくBUGSでのみ利用可能です。

10 missing-data  bugs  jags 

問題 辺の数が不明で死ぬのに類似したシステムについて、いくつかの推論をしたいと思います。サイコロを数回振り、その後、サイコロの側面の数θに対応するパラメーターの確率分布を推測します。 直感 40回ロールした後、10個の赤、10個の青、10個の緑、10個の黄を観察した場合、θは4でピークになり、各側のロールのバイアスは1/4を中心とした分布になります。 θには自明な下限があり、これはデータで観測されたさまざまな辺の数です。 上限はまだ不明です。おそらくバイアスが低い5番目のサイドが存在する可能性があります。5番目のカテゴリがないことを示すデータが多いほど、θ= 4の事後確率が高くなります。 アプローチ ここでは適切と思われる同様の問題（Rおよびrjagsを介して）にJAGSを使用しました。 データに関してobs <- c(10, 10, 10, 10)、上の例の観測に対応するとします。 私は観測が多項分布でモデル化されるべきだと思うobs ~ dmulti(p, n)、p ~ ddirch(alpha)とn <- length(obs)。 θはによって暗示されるカテゴリの数にリンクされているalphaのでalpha、さまざまな数のカテゴリを含むようにモデル化するにはどうすればよいですか？ 代替案？ 私はベイジアン分析にかなり新しいので、間違ったツリーを完全に見つけ出すかもしれませんが、この問題について異なる洞察を提供するかもしれない代替モデルはありますか？ どうもありがとう！デビッド

9 r  probability  bayesian  jags 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新することがありますので、話題のクロス検証済みのため。 2年前休業。 Rは、関数R2WinBUGS :: bugsとR2jags：jagsによって生成されたオブジェクトbugsとjagsオブジェクトから素晴らしい要約プロットを出力できるようです。 しかし、私はrjagsパッケージを使用しています。結果をrjags::coda.samples使用R2WinBUGS::plot.mcmc.listして関数の結果をプロットしようとすると、各パラメーターの診断プロット（パラメーター密度、チェーン時系列、自己相関）になります。 以下は、Andrew Gelmanのチュートリアル「RからのWinBuugsとOpenBugsの実行」から作成したいプロットのタイプです。これらはを使用して作成されましたplot.pugs。 問題はplot.bugs、bugsオブジェクトを引数としてplot.mcmc.list受け取り、の出力を受け取ることですcoda.samples。 次に例を示します（からcoda.samples）： library(rjags) data(LINE) LINE$recompile() LINE.out <- coda.samples(LINE, c("alpha","beta","sigma"), n.iter=1000) plot(LINE.out) 私が必要なのは によって生成されたものと同様の、情報が豊富な、1ページの要約プロットを生成する方法 plot.bugs LINE.outバグオブジェクトに変換する関数または

9 r  data-visualization  jags  bugs 

Rでは、c（3,1,0）* c（2,0,1）== c（6,0,0）です。これは内積ではなく、外積でもありません。最初に、この製品の名前は何ですか？次に、WinBUGS、OpenBUGS、JAGSで動作しますか？

9 bugs  jags 

さまざまなソースのデータを組み合わせたい。 化学的性質（例えば分配係数）を推定したいとしましょう： いくつかの経験的データがありますが、平均値周辺の測定誤差により変動します。 次に、他の情報から推定値を予測するモデルがあります（モデルには不確実性もあります）。 これら2つのデータセットを組み合わせるにはどうすればよいですか？[結合された推定値は、別のモデルで予測子として使用されます]。 メタ分析とベイズ法が適しているようです。しかし、それを実装する方法やアイディアはあまり見つかりませんでした（私はRを使用していますが、PythonとC ++にも精通しています）。 ありがとう。 更新 わかりました、これはより現実的な例です： 化学物質の毒性を推定するために（通常、 =動物の50％が死亡する濃度）ラボ実験を行います。幸いにも、実験の結果はデー​​タベース（EPA）に収集されます。LC50LC50LC_{50} 殺虫剤Lindaneの値をいくつか示します。 ### Toxicity of Lindane in ug/L epa <- c(850 ,6300 ,6500 ,8000, 1990 ,516, 6442 ,1870, 1870, 2000 ,250 ,62000, 2600,1000,485,1190,1790,390,1790,750000,1000,800 ) hist(log10(epa)) # or in mol / L # molecular weight of Lindane mw = 290.83 …

8 r  bayesian  meta-analysis  jags 

これはこの質問 から派生したものです。Rを使用して各個人の複数の測定値を持つ2つのグループを比較する方法は？ そこでの回答で（私が正しく理解した場合）、被験者内分散はグループ平均についてなされた推論に影響を与えず、単純に平均の平均をとってグループ平均を計算し、次にグループ内分散を計算してそれを使用することは問題ありません有意性検定を実行します。サブジェクト内の分散が大きいほど、グループについて確信が持てない、またはそれを望んでも意味がない理由を理解できない方法を使用したいと思います。 これは、元のデータと、同じ被験者平均を使用したシミュレーションデータのプロットですが、これらの平均と被験者内分散（sd = .1）を使用して、正規分布から各被験者の個々の測定値をサンプリングしました。見て取れるように、グループレベルの信頼区間（一番下の行）はこれに影響されません（少なくとも私が計算した方法）。 また、3つの方法でグループ平均を推定するためにrjagsを使用しました。1）元の生データを使用する2）被験者の手段のみを使用する3）被験者内sdが小さいシミュレーションデータを使用する 結果は以下の通りです。この方法を使用すると、95％の信頼できる間隔は、ケース＃2と＃3で狭いことがわかります。これは、グループ平均について推論するときに何をしたいのかという私の直感に一致しますが、これがモデルのアーチファクトなのか、信頼できる間隔のプロパティなのかはわかりません。 注意。rjagsを使用するには、まずここからJAGSをインストールする必要があります：http ://sourceforge.net/projects/mcmc-jags/files/ さまざまなコードを以下に示します。 元のデータ： structure(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, …

8 r  confidence-interval  mixed-model  jags  error-propagation 

なぜ階層的なのか？：私はこの問題を調査してみましたが、私が理解しているところによると、これは「階層的な」問題です。なぜなら、あなたはその集団から直接観察するのではなく、集団からの観察について観察しているからです。リファレンス：http : //www.econ.umn.edu/~bajari/iosp07/rossi1.pdf なぜベイジアンなのか？：また、各セルに十分な観測値が割り当てられている「実験計画」には漸近/頻出解が存在する可能性があるため、ベイジアンとしてタグ付けしましたが、実際の目的では、実世界/非実験データセット（または最小のもの）はまばらに移入されています 集計データは多数ありますが、個々のセルが空白であるか、観測値が少ない場合があります。 抽象的モデル： Uを単位母集団とする。。。u NのそれぞれにAまたはBのいずれかの処理Tを適用でき、それぞれから1または0の別名の成功と失敗のiid観測を観測します。ましょうP I TのためのI ∈ { 1 ... Nは}オブジェクトから観察する確率であるI処置下Tの成功をもたらします。なお、P Iu1,u2,u3...uNu1,u2,u3...uN{u_1, u_2, u_3 ... u_N}TTTAAABBBpiTpiTp_{iT}i∈{1...N}i∈{1...N}i \in \{1...N\}iiiTTTpiApiAp_{iA}と相関している可能性があります。piBpiBp_{iB} 分析を実行可能にするために、（a）分布とp Bはそれぞれベータ分布などの特定の分布のファミリーのインスタンスであると想定し、（b）ハイパーパラメーターのいくつかの以前の分布を選択します。pApAp_ApBpBp_B モデルの例 マジック8ボールの大きなバッグを持っています。各8ボールを振ると、「はい」または「いいえ」が表示されます。また、ボールを上下逆さまにしたり、上下逆さまに振ったりすることもできます（Magic 8 Ballが上下逆さまに動作すると仮定します...）。ボールの向きが完全に「はい」か「いいえ」で結果の確率を変更することがあり（つまり、最初にあなたがいることを全く信じていないと相関しているのp のi Bを）。piApiAp_{iA}piBpiBp_{iB} 質問： 誰かが集団から無作為にのユニットをサンプリングし、各ユニットについて、処理Aの下で任意の数の観測値と処理Bの下で任意の数の観測値を取得して記録しました。（実際には、私たちのデータセットでは、ほとんどのユニットは1つの処理でのみ観測されます）nnnAAABBB このデータから、次の質問に答える必要があります。 母集団からランダムに新しい単位を取得する場合、p x Aとp x Bの同時事後分布を（分析的または確率的に）どうやって計算できますか？（主に、予想される比率の差を決定できるようにするため、Δ = p x A − p x B）uxuxu_xpxApxAp_{xA}pxBpxBp_{xB}Δ=pxA−pxBΔ=pxA−pxB\Delta=p_{xA}-p_{xB} 特定のユニットの、Y ∈ { 1 …

8 bayesian  mcmc  jags  hierarchical-bayesian  pymc 

閉まっている。この質問はトピックから外れています。現在、回答を受け付けていません。 この質問を改善してみませんか？ 質問を更新することがありますので、話題のクロス検証済みのため。 7か月前に閉鎖。 私は現在、JAGSでサッカーの結果を予測するモデルの実装を進めています。実際、いくつか実装しましたが、まだ最も難しい課題に達しています。Rue＆Salvesenの論文「リーグでのサッカーの試合の予測と遡及分析」で説明されているモデルです。彼らのモデルは、5ゴール後の攻撃/防御力を条件としたポアソン分布を切り捨てるために混合モデルを使用しています。彼らはまた、Dixon＆Coles（1997）の法律を採用して、スコアの低いゲームで0-0と1-1の結果が出る確率を高めています。 私の問題は次のとおりです、私は混合モデルを実装しようとしています： ここで、は、チームAとBの間のゲームでホームチームが獲得したゴールの数を示し、は、チームの強さ。私はゼロゼロのトリックを使用してJAGSでこれらの2つの法則を実装しようとしましたが、今のところ運がありません（）。これまでの私のJAGSモデル：πg1（xA 、B、yA 、B| λ（x ）A 、B、λ（y）A 、B）= κ （xA 、B、yA 、B| λ（x ）A 、B、λ（y）A 、B）Po （xA 、B| λ（x ）A 、B）Po （yA 、B| λ（y）A 、B）πg1（バツあ、B、yあ、B|λあ、B（バツ）、λあ、B（y））=κ（バツあ、B、yあ、B|λあ、B（バツ）、λあ、B（y））Po（バツあ、B|λあ、B（バツ））Po（yあ、B|λあ、B（y）） \pi_{g1}(x_{A,B},y_{A,B}|\lambda_{A,B}^{(x)},\lambda_{A,B}^{(y)}) = \kappa(x_{A,B},y_{A,B}|\lambda_{A,B}^{(x)},\lambda_{A,B}^{(y)})Po(x_{A,B}|\lambda_{A,B}^{(x)})Po(y_{A,B}|\lambda_{A,B}^{(y)}) バツA 、Bバツあ、Bx_{A,B}l o g（λ（x ）A 、B）log（λあ、B（バツ））log(\lambda_{A,B}^{(x)})error: illegal parent values data { C <- 10000 for(i in 1:noGames) …

8 mixed-model  mcmc  jags 

多くの被験者の反応時間をテストする実験があり、各被験者が多くの反応時間の試行を行っているとします。ベイジアンフレームワークでは、反応時間（）は、被験者レベルと被験者グループ全体の両方に事前分布がある階層モデルによってモデル化できます。モデルの図、クルシュケスタイルは次のようになります。yyy ...そして対応するバグ/ジャグコードは次のようになります： for(i in 1:length(y)) { y[i] ~ dnorm(mu[subj[i]], tau[subj[i]]) } for(j in 1:nbr_of_subjects) mu[subj[i]] ~ dnorm(M_mu, P_mu) tau[subj[i]] ~ dgamma(S_tau, R_tau) } M_mu ~ dnorm(M_M, P_M) P_mu ~ dgamma(S_P, R_P) S_tau <- pow(m , 2) / pow(sd, 2) R_tau <- m / pow(sd, 2) m ~ dgamma(S_m, R_m) sd …

8 bayesian  jags  psychology  hierarchical-bayesian 

私はRを使用して、主にvia lmerとnlmeパッケージのいくつかの縦断モデルに適合させようとしました。ただし、共分散行列の従属関係モデルや因子分析モデルなど、多くの標準モデルが不足しているようです。これらのモデルはSASですぐに利用できます。 誰かがRでの仕事に他のパッケージを勧めますか？モデリングの柔軟性が高まっている限り、常連客やベイジアンの世界で仕事をしていても気にしません。私はWINBUGS / JAGSでそれを行うことにも興味があります。

8 r  jags  panel-data 

検閲済みデータのJAGSでdinterval（）がどのように機能するかを理解しようとしています。粗いデータをモデリングしていますが、各データポイントの上限と下限しかありません（真の値ではありません）。これが私がそれがうまくいくべきだと思う方法の簡単な例です： 各ポイントの上限と下限： > head(lim) L U [1,] 14.98266 15.68029 [2,] 21.21827 21.91590 [3,] 18.34953 19.04716 [4,] 19.00186 19.69949 [5,] 15.39891 16.09654 [6,] 17.81705 18.51468 モデルを作成するための関数（データが共通の平均と分散を持つ法線からのものであると想定）： playmodel <- function(){ for (i in 1:50){ is.censored[i] ~ dinterval(t[i], lim[i,]) t[i] ~ dnorm(mu,tau) } mu ~ dnorm(0,.001) tau ~ dgamma(.01,.01) } filename <- "toymod.bug" …

8 jags  interval-censoring 

ベイジアン分析を実行するときに確認する必要があるのは、MCMCサンプルの自己相関です。しかし、この自己相関を引き起こしている原因がわかりません。 ここでは、彼らはそれを言っています [MCMCからの]高い自己相関サンプルは、変数間の強い相関によって引き起こされることがよくあります。 MCMCの高い自己相関サンプルの他の原因は何でしょうか。 JAGS出力で自己相関が観察されたときに確認するもののリストはありますか？ ベイジアン分析で自己相関をどのように管理できますか？一部の人が痩せると言っているのを知っていますが、他の人はそれが悪いと言っています。より長い期間モデルを実行することは別の解決策であり、残念ながら時間がかかり、MCMC内のサンプルのトレースにも影響を与える場合があります。なぜ一部のアルゴリズムは、探索して無相関にするのにはるかに効果的ですか？最初にチェーンの初期値を変更する必要がありますか？

7 correlation  bayesian  autocorrelation  mcmc  jags