CRAN 任务视图:贝叶斯推断

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

CRAN 任务视图:贝叶斯推断

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 JAGSOpenBUGSWinBUGSStanTensorFlow)链接的软件包。

通用模型拟合软件包

特定于应用程序的包

ANOVA

贝叶斯因子/模型比较/贝叶斯模型平均

贝叶斯树模型

因果推断

计算方法

离散数据

实验/列联表/荟萃分析/AB 测试方法

Graphics

Hierarchical models

高维方法/机器学习方法

因子分析/项目反应理论模型

缺失数据

混合模型

网络模型/矩阵变量分布

分位数回归

收缩/变量选择/高斯过程

空间模型

生存模型

时间序列模型

其他模型

特定学科的贝叶斯模型

估计后工具

用于学习贝叶斯统计的包

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。

CRAN 包

核心armBACCObayesforecastbayesmboacodamcmcMCMCpacknimble.
常规abc, abcrf, abglasso, abtest, acebayes, AdMit, ammiBayes, AnaCoDa, AovBay, APFr, ashr, BACCT, baggr, bain, BaM, bama, bamdit, bamlss, bang, BANOVA, BART, bartCause, bartcs, bartMachine, BAS, basad, basicMCMCplots, BaSkePro, BASS, baycn, bayefdr, bayes4psy, bayesAB, bayesammi, bayesanova, BayesARIMAX, BayesBinMix, bayesbio, bayesboot, BayesBP, bayesbr, BayesCACE, BayesCombo, BayesComm, bayescopulareg, bayescount, BayesCR, bayesCT, BayesCTDesign, BayesDA, bayesDccGarch, bayesdfa, bayesdistreg, bayesDP, BayesFactor, BayesFM, bayesGAM, bayesGARCH, BayesGOF, BayesGPfit, BayesGWQS, bayesian, bayesianETAS, Bayesiangammareg, BayesianGLasso, BayesianLaterality, BayesianNetwork, BayesianTools, bayesImageS, BayesLCA, bayesLife, BayesLN, BayesLogit, bayeslongitudinal, BayesMallows, BayesMassBal, bayesmeta, bayesmix, bayesQR, bayestestR, BayesTree, BayesVarSel, BayesX, BAYSTAR, BCBCSF, BCE, BDgraph, Bergm, blavaan, BLR, BMA, bmixture, BMS, bnlearn, BNSP, Bolstad, Boom, BoomSpikeSlab, bqtl, bridgesampling, brms, bsamGP, bspec, bspmma, bsvars, BVAR, bvarsv, CARBayes, CARBayesdata, CARBayesST, causact, CausalImpact, CircSpaceTime, coalescentMCMC, coalitions, CPBayes, dbarts, dclone, deBInfer, densEstBayes, dina, DIRECT, dirichletprocess, dlm, EbayesThresh, ebdbNet, edina, eigenmodel, ensembleBMA, EntropyMCMC, errum, FME, geoR, ggmcmc, gRain, greta, hbsae, Hmisc, iterLap, LaplacesDemon, LAWBL, LearnBayes, lmm, loo, mcmcensemble, MCMCglmm, mcmcse, MCMCvis, mgcv, mlogitBMA, MNP, mombf, NetworkChange, openEBGM, pcFactorStan, plotMCMC, PReMiuM, prevalence, pscl, R2jags, R2WinBUGS, ramps, Rbeast, REBayes, revdbayes, rjags, RoBMA, rrum, RSGHB, rstan, rstanarm, rstiefel, runjags, Runuran, sbgcop, shinybrms, shrinkTVP, sna, spBayes, spikeslab, spikeSlabGAM, spTimer, ssgraph, ssMousetrack, stochvol, SuperLearner, tgp, vglmer, zic.
已归档ArchaeoChronbartBMAbayeslincom.

相关链接

其他资源