维护者 | Jong Hee Park,Michela Cameletti,Xun Pang,Kevin M. Quinn |
联系方式 | jongheepark at snu.ac.kr |
版本 | 2023-07-17 |
网址 | https://CRAN.R-project.org/view=Bayesian |
源代码 | https://github.com/cran-task-views/Bayesian/ |
贡献 | 欢迎您对本任务视图提出建议和改进,您可以通过 GitHub 上的问题或拉取请求,或通过电子邮件联系维护者地址。有关更多详细信息,请参阅 贡献指南。 |
引用 | Jong Hee Park,Michela Cameletti,Xun Pang,Kevin M. Quinn (2023)。CRAN 任务视图:贝叶斯推断。版本 2023-07-17。网址 https://CRAN.R-project.org/view=Bayesian。 |
安装 | 可以使用 ctv 包自动安装本任务视图中的软件包。例如,ctv::install.views("Bayesian", coreOnly = TRUE) 安装所有核心软件包,或 ctv::update.views("Bayesian") 安装所有尚未安装和更新的软件包。有关更多详细信息,请参阅 CRAN 任务视图计划。 |
对贝叶斯统计感兴趣的应用研究人员越来越青睐 R,因为 R 可以轻松地编写从后验分布中采样的算法,并且综合 R 档案网络 (CRAN) 中贡献了大量提供贝叶斯推断工具的软件包。本任务视图对这些工具进行了分类。在本任务视图中,我们将这些软件包根据范围和重点分为四组。首先,我们回顾了提供各种模型的贝叶斯估计工具的 R 软件包。然后,我们讨论了针对特定贝叶斯模型或贝叶斯统计中专门方法的软件包。接下来,我们描述了用于后估计分析的软件包。最后,我们回顾了将 R 与其他贝叶斯采样引擎(如 JAGS、OpenBUGS、WinBUGS、Stan 和 TensorFlow)链接的软件包。
bayesm 提供 R 函数,用于对广泛应用于营销和微观计量经济学的各种模型进行贝叶斯推断。这些模型包括线性回归模型、多项式 logit、多项式 probit、多元 probit、多元正态混合(包括聚类)、使用有限正态混合进行的密度估计以及 Dirichlet 过程先验、分层线性模型、分层多项式 logit、分层负二项式回归模型和线性工具变量模型。
nimble 包提供了一个通用的 MCMC 系统,允许为用 BUGS/JAGS 模型语言编写的模型定制 MCMC。用户可以选择采样器并编写新的采样器。模型和采样器通过生成的 C++ 自动编译。该包还支持其他方法,例如粒子滤波或用户在其算法语言中编写的任何方法。
hitro.new()
函数提供了一个基于命中和运行算法与均匀比方法相结合的 MCMC 采样器。bic.glm()
,该函数可以应用于多项式 logit (MNL) 数据。krige.bayes()
函数执行地统计数据的贝叶斯分析,允许指定模型参数的不同不确定性级别。有关更多信息,请参阅Spatial 视图。gbayes()
函数在先验和似然都为高斯分布,并且感兴趣的统计量来自双样本问题时,推导出后验(以及可选的)预测分布。vcov.gam()
函数可以从拟合的 gam
对象中提取参数的贝叶斯后验协方差矩阵。mcmc
对象和相关方法,这些方法被其他包使用。它可以轻松地从 WinBUGS、OpenBUGS 和 JAGS 或普通矩阵中导入 MCMC 输出。 coda 包含 Gelman 和 Rubin、Geweke、Heidelberger 和 Welch 以及 Raftery 和 Lewis 诊断。贝叶斯推断任务视图由朴钟熙(韩国首尔国立大学)、安德鲁·D·马丁(美国密苏里州圣路易斯华盛顿大学)和凯文·M·奎因(美国加州伯克利加州大学)编写。请通过电子邮件联系维护者提出建议,或通过提交上述 GitHub 存储库中的问题或拉取请求。