(推荐)Winbugs基础操作及使用-李艳丽

1、(推荐)winbugs基础操作及使用-李艳丽李艳丽winbugs介绍贝叶斯模型介绍winbugs 操作流程案例介绍winbugs (bayesian inference using gibbs sampling）就是一款通过mcmc方法来分析复杂统计模型的软件。其基本原理就是通过gibbs sampling和metropolis算法，从完全条件概率分布中抽样，从而生成马尔科夫链，通过迭代，最终估计出模型参数。经典统计贝叶斯统计样本信息总体信息先验信息( , )( ) ( | )pypp y( , )( ) ( | )( | )( )( )pypp ypyp yp y联合密度与先验分布，样本分布

2、间的关系y=0+ 1*x1+ n*xny d（）= 0+ 1*x1+ n*xni di（）经典统计模型bayesian模型1- 确定模型2- 输入数据 3- 运行模型4- 模型初始化5- generate burn-in values6- 确定被模拟的参数7- 运行8- 检查收敛性及列出结果模型基本结构 (model)数据 (list)模型初始化参数 (list)选中model，然后点击check model，检查模型是否有错。一，check model后左下方如果显示 model is syntactically correct,则表明模型运行通过，没有语法错误。二，选中list（即原始da

3、ta），点击load data，导入数据。左下方显示 data loaded，则数据导入成功。三，点击compile，编译模型四，选中list（初始化的参数），点击load inits，初始化模型，初始化成功左下方显示model is initialized。单击inferrencesample，出现sample monitor tools对话框。在node对话框输入感兴趣的需要模拟的参数。每输入一个参数，点击set设定。单击modelupdate，出现update tool对话框，设定采样规则，开始采样模拟。 updates:模拟生成的样本数 refresh：update进度显示的步长 th

4、in：每x步收集一笔资料 iteration：显示模拟进程inferrencesample，在node窗口输入感兴趣参数，输入*则显示所有的所有参数的结果trace：显示样本的轨迹history：同tracedensity：参数核密度stats：显示参数的统计结果（均值，方差等）coda：显示参数每步的取值quantiles：显示百分位数auto cor：参数自相关性tracehistorydensitystatisticsauto cor通过迭代轨迹（trace），迭代历史（history），自相关函数（auto corr）等来进行判断。当迭代轨迹，迭代历史基本趋于稳定，自相关函数很快接近于0，可认为迭代过程已经收敛。通过dic的值来比较不同模型的优劣性。dic值越小，模型越好。设定dic之后，再次update模型。单击dic，则显示此模型的dic值。dic主要用来比较模型的优劣，其绝对值没有太大意义。点击任务栏help，下拉菜单点击examples vol 1或者examples vol 2，