Preguntas etiquetadas con bugs

Estoy a punto de probar un entorno de estilo BUGS para estimar modelos bayesianos. ¿Hay alguna ventaja importante a considerar al elegir entre OpenBugs o JAGS? ¿Es probable que uno reemplace al otro en el futuro previsible? Usaré el Gibbs Sampler elegido con R. Todavía no tengo una aplicación específica, …

41 r  software  bugs  jags  gibbs 

He encontrado algunas distribuciones para las cuales BUGS y R tienen diferentes parametrizaciones: Normal, log-Normal y Weibull. Para cada uno de estos, deduzco que el segundo parámetro utilizado por R debe transformarse inversamente (1 / parámetro) antes de usarse en BUGS (o JAGS en mi caso). ¿Alguien sabe de una …

31 r  distributions  bugs  jags  parameterization 

Explicaré mi problema con un ejemplo. Suponga que desea predecir el ingreso de un individuo dados algunos atributos: {Edad, Sexo, País, Región, Ciudad}. Tienes un conjunto de datos de entrenamiento como este train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Hola, gurús estadísticos y asistentes de programación R, Estoy interesado en modelar capturas de animales en función de las condiciones ambientales y el día del año. Como parte de otro estudio, tengo recuentos de capturas en ~ 160 días durante tres años. En cada uno de estos días tengo temperatura, …

16 r  mixed-model  autocorrelation  bugs  panel-data 

Me preguntaba qué paquete estadístico de software recomiendan ustedes para realizar la Inferencia Bayesiana. Por ejemplo, sé que puede ejecutar openBUGS o winBUGS como independientes o también puede llamarlos desde R. Pero R también tiene varios de sus propios paquetes (MCMCPack, BACCO) que pueden hacer análisis bayesianos. ¿Alguien tiene alguna …

14 r  probability  bayesian  inference  bugs 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 11 meses . Estoy siguiendo un curso sobre estadísticas bayesianas usando BUGS y R. Ahora, ya conozco BUGS, es …

13 r  bayesian  bugs 

Tengo un conjunto de datos de series temporales en el que estoy tratando de ajustar un Modelo de Markov Oculto (HMM) para estimar el número de estados latentes en los datos. Mi pseudo código para hacer esto es el siguiente: for( i in 2 : max_number_of_states ){ ... calculate HMM …

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

Parece que los condicionales completos a menudo son bastante difíciles de obtener, sin embargo, programas como JAGS y BUGS los obtienen automáticamente. ¿Alguien puede explicar cómo generan algorítmicamente condicionales completos para cualquier especificación de modelo arbitrario?

11 bayesian  conditional-probability  jags  bugs  gibbs 

En Rpodemos "ponderar previamente" una glmregresión a través del parámetro de pesos . Por ejemplo: glm.D93 <- glm(counts ~ outcome + treatment, family = poisson(), weights=w) ¿Cómo se puede lograr esto en una JAGSo BUGSmodelo? Encontré un artículo discutiendo esto, pero ninguno de ellos proporciona un ejemplo. Me interesan principalmente …

10 bayesian  generalized-linear-model  jags  bugs  weighted-regression 

Estoy tratando de construir un modelo donde la respuesta sea proporcional (en realidad es la proporción de votos que un partido obtiene en los distritos electorales). Su distribución no es normal, así que decidí modelarla con una distribución beta. También tengo varios predictores. Sin embargo, no sé cómo escribirlo en …

10 bayesian  jags  bugs  beta-regression  stan 

Estoy tratando de ajustar un modelo de tiempo discreto en R, pero no estoy seguro de cómo hacerlo. He leído que puede organizar la variable dependiente en diferentes filas, una para cada observación de tiempo, y usar la glmfunción con un enlace logit o cloglog. En este sentido, tengo tres …

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 

¿Qué sucede cuando no tienes una idea de la distribución de parámetros? ¿Qué enfoque debemos usar? La mayoría de las veces buscamos entender si una determinada variable tiene alguna influencia sobre la presencia / ausencia de una determinada especie, y la variable se acepta o no de acuerdo con la …

10 r  bayesian  mcmc  bugs  winbugs 

Soy un nuevo usuario de WinBUGS y tengo una pregunta por su ayuda. Después de ejecutar el siguiente código, obtuve parámetros de beta0through beta4(estadísticas, densidad), pero no sé cómo obtener la predicción del último valor de h, que configuré NApara modelar en el código. ¿Alguien me puede dar una pista? …

10 bayesian  bugs  prediction  winbugs 

Gelman y Hill (2006) dicen: En Bugs, los resultados faltantes en una regresión se pueden manejar fácilmente simplemente incluyendo el vector de datos, NA y todo. Los errores modelan explícitamente la variable de resultado, por lo que es trivial usar este modelo para, en efecto, imputar valores faltantes en cada …

10 missing-data  bugs  jags 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 2 años . R parece ser capaz de generar buenos gráficos de resumen de los objetos bugsy jagsgenerados por …

9 r  data-visualization  jags  bugs