WinBUGS在统计分析中的应用讲课讲稿

1、Good is good, but better carries it.精益求精，善益求善。WinBUGS在统计分析中的应用-WinBUGS在统计分析中的应用（第一部分）ByHYPERLINK/author/karlqi/o由齐韬发表齐韬2008/12/08关键词：HYPERLINK/tag/mcmc/MCMC,HYPERLINK/tag/r/R,HYPERLINK/tag/winbugs/WinBUGS,HYPERLINK/tag/空间统计分类：HYPERLINK/category/software/o查看统计软件的全部文章统计软件作者信息：ComputationalMathematicia

2、ninAnnproAnalyticTechnologies,Inc.版权声明：本文版权归原作者所有，未经许可不得转载。原文可能随时需要修改纰漏，全文复制转载会带来不必要的误导，若您想推荐给朋友阅读，敬请以负责的态度提供原文链接；HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/lreference点此查看如何在学术刊物中引用本文常规引用方式齐韬.WinBUGS在统计分析中的应用（第一部分）.统计之都,2008.12.URL:/2008/12/statistical-analysis-and-winbugs-part-1/.Bib

3、TeX引用ARTICLE,AUTHOR=齐韬,TITLE=WinBUGS在统计分析中的应用（第一部分）,JOURNAL=统计之都,YEAR=2008,month=12,URL=/2008/12/statistical-analysis-and-winbugs-part-1/,开篇词首先非常感谢COS论坛提供了这样一个良好的平台，敝人心存感激之余，也打算把一些学习心得拿出来供大家分享，文中纰漏之处还请各位老师指正。下面我将以WinBUGS的统计应用为题，分几次来谈一谈WinBUGS这个软件。其中会涉及到空间数据的分析、GeoBUGS的使用、面向R及SPLUS的接口包R2WinBUGS的使用、GI

4、S与统计分析等等衍生出的话题。如有问题，请大家留下评论，我会调整内容，择机给予回答。第一节什么是WinBUGS?WinBUGS对于研究Bayesian统计分析的人来说，应该不会陌生。至少对于MCMC方法是不陌生的。WinBUGS(BayesianinferenceUsingGibbsSampling）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Gibbssampling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。引入Gibbs抽样与MCMC的好处是不言而喻的，就是想避免计算一个具有高维积分形式的完全联合后验概率

5、公布，而代之以计算每个估计参数的单变量条件概率分布。具体的算法思想，在讲到具体问题的时候再加以叙述，在此不过多论述。就不拿公式出来吓人了（毕竟打公式也挺费劲啊）。第二节为什么要用WinBUGS?第一、因为同类分析软件中它做得最好。同类的软件：OpenBUGS、JAGS等在成熟度、灵活性以及兼容性方面和它相比还有一定距离。在处理spatialdata的方面，它采用了Gibbs抽样和MCMC的方法，在模型支持方面又具有极大的灵活性，较之名声大噪的GeoR包，虽然也实现了bayesian的手法，但是灵活性还是不及WinBUGS。第二、因为它免费。免费的东西总有吸引人之处。第三、有各色的R包为WinB

6、UGS实现了针对R的、SPLUS的、Matlab的软件接口。只要你喜欢，就直接在R下调用WinBUGS吧，无非是装个R2WinBUGS包，简简单单。第四、详细的文档、帮助、指导、范例。当然没有中文版的，小小一点遗憾。第三节如何得到WinBUGS?WinBUGS目前是一款免费的软件，去HYPERLINKhttp:/www.mrc-bsu.cam.ac.uk/bugs/http:/www.mrc-bsu.cam.ac.uk/bugs/下载就好了。不过要用高级功能（如GeoBUGS）的话，还是去HYPERLINKhttp:/www.mrc-bsu.cam.ac.uk/bugs/winbugs/con

7、tents.shtmlhttp:/www.mrc-bsu.cam.ac.uk/bugs/winbugs/contents.shtml注册一下好了，挺方便的。系统会立即把注册码发到你邮箱（真是好人啊）。不过只可以用一个月。这倒无妨，到时在注册一下就好了。第四节初试WinBUGSWinBUGS-GUI我们先找一个例子来实际地运行一下WinBUGS，感受一下基本的操作流程，然后再考虑高级的操作。第一步，打开WinBUGS，通过菜单File-New新建一个空白的窗口第二步，在第一步中新建的空白窗口中输入三部分内容：模型定义、数据定义、初始值定义（代码见附录）第三步，点击菜单Model-Specific

8、ation，弹出一个SpecificationTool面板。第四步，在第二步中的提到的那个窗口中，将model这个关键字高亮起来，点击checkmodel。你会看到WinBUGS的左下角状态栏上显示”modelissyntacticallycorrect.”第五步，把定义的data前的关键字list也高亮起来，点SpecificationTool面板上的loaddata第六步，改SpecificationTool面板上的马尔科夫链的数目，默认为1就好了第七步，点击SpecificationTool面板上的compile第八步，把定义的初始值中的list关键字也高亮起来，再点击Specifica

9、tionTool面板上的loadinits第九步，关了SpecificationTool面板第十步，点击菜单Inference-Samples，弹出一个SampleMonitorTool面板。第十一步，在SampleMonitorTool面板的node中填要估计的参数名，这里可以是tau,alpha0,alpha1,b,把它们一个一个填在node中，逐一点set。第十二步，关了SampleMonitorTool面板第十三步，点击菜单Model-Update，弹出一个UpdateTool面板。第十四步，将UpdateTool面板中的updates改大点，比如50000，点update按钮。第十五

10、步，运行完后，关了UpdateTool面板第十六步，点击菜单Inference-Samples第十七步，在弹出的SampleMonitorTool面板上选一个node第十八步，点history看所有迭代的时间序列图，点trace看最后一次迭代的时间序列图，点autocor看correlogram时间序列图，点stat看参数估计的结果HYPERLINK/wp-content/uploads/2008/12/Estimation-results-by-WinBUGS.pngEstimationresultsbyWinBUGS1.4附第二步中的代码如下：#MODELmodelfor(iin1:N)O

11、idpois(mui)log(mui)-log(Ei)+alpha0+alpha1*Xi/10+bi#Area-specificrelativerisk(formaps)RRi-exp(alpha0+alpha1*Xi/10+bi)#CARpriordistributionforrandomeffects:b1:Ncar.normal(adj,weights,num,tau)for(kin1:sumNumNeigh)weightsk-1#Otherpriors:alpha0dflat()alpha1dnorm(0,1e-05)taudgamma(0.5,5e-04)#prioronprecis

12、ionsigma-sqrt(1/tau)#standarddeviation#DATAlist(N=56,O=c(9,39,11,9,15,8,26,7,6,20,13,5,3,8,17,9,2,7,9,7,16,31,11,7,19,15,7,10,16,11,5,3,7,8,11,9,11,8,6,4,10,8,2,6,19,3,2,3,28,6,1,1,1,1,0,0),E=c(1.4,8.7,3,2.5,4.3,2.4,8.1,2.3,2,6.6,4.4,1.8,1.1,3.3,7.8,4.6,1.1,4.2,5.5,4.4,10.5,22.7,8.8,5.6,15.5,12.5,6,

13、9,14.4,10.2,4.8,2.9,7,8.5,12.3,10.1,12.7,9.4,7.2,5.3,18.8,15.8,4.3,14.6,50.7,8.2,5.6,9.3,88.7,19.6,3.4,3.6,5.7,7,4.2,1.8),X=c(16,16,10,24,10,24,10,7,7,16,7,16,10,24,7,16,10,7,7,10,7,16,10,7,1,1,7,7,10,10,7,24,10,7,7,0,10,1,16,0,1,16,16,0,1,7,1,1,0,1,1,0,1,1,16,10),num=c(3,2,1,3,3,0,5,0,5,4,0,2,3,3,2

14、,6,6,6,5,3,3,2,4,8,3,3,4,4,11,6,7,3,4,9,4,2,4,6,3,4,5,5,4,5,4,6,6,4,9,2,4,4,4,5,6,5),adj=c(19,9,5,10,7,12,28,20,18,19,12,1,17,16,13,10,2,29,23,19,17,1,22,16,7,2,5,3,19,17,7,35,32,31,29,25,29,22,21,17,10,7,29,19,16,13,9,7,56,55,33,28,20,4,17,13,9,5,1,56,18,4,50,29,16,16,10,39,34,29,9,56,55,48,47,44,3

15、1,30,27,29,26,15,43,29,25,56,32,31,24,45,33,18,4,50,43,34,26,25,23,21,17,16,15,9,55,45,44,42,38,24,47,46,35,32,27,24,14,31,27,14,55,45,28,18,54,52,51,43,42,40,39,29,23,46,37,31,14,41,37,46,41,36,35,54,51,49,44,42,30,40,34,23,52,49,39,34,53,49,46,37,36,51,43,38,34,30,42,34,29,26,49,48,38,30,24,55,33,

16、30,28,53,47,41,37,35,31,53,49,48,46,31,24,49,47,44,24,54,53,52,48,47,44,41,40,38,29,21,54,42,38,34,54,49,40,34,49,47,46,41,52,51,49,38,34,56,45,33,30,24,18,55,27,24,20,18),sumNumNeigh=234)#INITIALVALUESlist(tau=1,alpha0=0,alpha1=0,b=c(0,0,0,0,0,NA,0,NA,0,0,NA,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,

17、0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)WinBUGS在统计分析中的应用第一部分完HYPERLINK/胡江堂on2008/12/09at18:03WinBugs，头一回听说啊。老齐在annpro，有空分享一下工作心得吧。HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=132lrespond回复刘思喆on2008/12/10at11:13土了，还以为是windows下的debug工具。原来是这！HYPERLINK/2008/12/statisti

18、cal-analysis-and-winbugs-part-1/?replytocom=133lrespond回复HYPERLINK/谢益辉on2008/12/15at20:14呵呵，能写点公式还是写点吧，看代码不知道做的问题是什么HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=138lrespond回复HYPERLINK/2008/12/cos-navigation-3/谢益辉:统计之都本周导读第三辑|统计之都on2008/12/15at20:23.WinBUGS是贝叶斯统计的有力工具（而不是Wind

19、ows下面的Debug工具），齐韬加入COS主站之后发表了第一篇文章WinBUGS在统计分析中的应用（第一部分），为我们讲述了WinBUGS的一些基本操作。.HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=139lrespond回复齐韬on2008/12/16at11:45我会在第二部分中将相关的理论部分加上，看来得要学习一下怎么嵌入LaTex了.HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=141lrespo

20、nd回复王化儒on2008/12/16at16:57嗯，楼主辛苦了！跟着一点一点学，期待着空间数据分析。HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=143lrespond回复HYPERLINK/胡江堂on2008/12/18at11:09贴一首诗吧，刚BUGSteam发过来的，非常有意思：Eachyearyouwaitwithbatedbreath,TheoldWinBUGSkeynearingdeath,AndwillthebrandnewkeyappearIntimetojointhefesti

21、vecheer?Thewaitingsoverraiseyourglass,Anddrinktoritualsthatpass.Relax,sitbackandhaveachortle;ThistimeyourWinBUGSkeysimmortal.HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=163lrespond回复xjxon2008/12/27at18:18不知道在linux下能不能用?HYPERLINK/2008/12/statistical-analysis-and-winbugs-part

22、-1/?replytocom=200lrespond回复hongon2009/04/25at21:55大家好麻烦问一下这个迭代次数如何选择.谢谢回答HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=563lrespond回复DJon2009/05/23at17:50很好的教程，谢谢了。MCMC万岁！HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=624lrespond回复左伊秩訾on2009/05/26at22:3

23、5前几天上课时听说了这个软件，真是及时雨！谢谢了！HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=626lrespond回复icweion2009/06/01at21:35小弟现正在剑桥mrc-bsu做postdoc，具体的项目就是BUGS的开发以及在生物及医学方面应用。WinBUGS这个软件是我两个老板DavidSpiegehalter,DaveLunn和其它一些牛人共同开发的。我们现在正在从WinBUGS转向openBUGS,目的是将它做成opensource的软件以应用在更广的领域。我现在正在开发

24、BUGS中的WBDiff部分并将它应用在二型糖尿病的动态系统的数据分析中。有兴趣或有问题的同学可以和我联系：HYPERLINKmailto:chen.weimrc-bsu.cam.ac.ukchen.weimrc-bsu.cam.ac.uk还有我们这里每年会举办3-4次BUGS的培训，2天的课程，在英国或能到英国出差的同学有兴趣的话可以参加，主讲人是Davidspeigehalter和DaveLunn。HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=633lrespond回复DJon2009/06/07

25、at22:08楼上的大牛人啊！HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=670lrespond回复mapleon2009/11/09at17:14这位仁兄真牛HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=954lrespond回复海涛on2009/11/14at10:53请问在winbugs中我编译FRAILTY模型时提示educationalversioncannotdothismodel难道这个软件还

26、有别的版本？我用的版本是1.4我编译的模型是帮助文件ExamplesVolume1中的最后一个文件CoxregressionwithrandomeffectsHYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=962lrespond回复zynon2009/06/16at15:42希望能和您联系,我这边看了gibbssampling有不少问题，不知道您可否提供帮助？HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/?replytocom=689

27、lrespond回复phlissiaon2009/09/18at11:10弱弱的问一句，执行到第四步checkmodel的时候，winbugs坐下角显示的不是“modelissyntacticallycorrect”，而是在alpha1dnorm(0,1e-05)一句1e处显示e处应为”expectedrightparenthesis，在代码最后0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)指示”invalidorunexpectedtokenscanned”，这要怎么弄呢？第一次接触这个软件，还不会使，请高手指点。WinBUGS在统计分析中的应用（第二部分）ByHYPE

28、RLINK/author/karlqi/o由齐韬发表齐韬2008/12/18关键词：HYPERLINK/tag/bayesian-analysis/BayesianAnalysis,HYPERLINK/tag/sas/SAS,HYPERLINK/tag/winbugs/WinBUGS分类：HYPERLINK/category/application/data/o查看数据分析的全部文章数据分析,HYPERLINK/category/software/o查看统计软件的全部文章统计软件,HYPERLINK/category/theory/bayesian/o查看贝叶斯统计的全部文章贝叶斯统计作者信息

29、：ComputationalMathematicianinAnnproAnalyticTechnologies,Inc.版权声明：本文版权归原作者所有，未经许可不得转载。原文可能随时需要修改纰漏，全文复制转载会带来不必要的误导，若您想推荐给朋友阅读，敬请以负责的态度提供原文链接；HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/lreference点此查看如何在学术刊物中引用本文常规引用方式齐韬.WinBUGS在统计分析中的应用（第二部分）.统计之都,2008.12.URL:/2008/12/statistical-analys

30、is-and-winbugs-part-2/.BibTeX引用ARTICLE,AUTHOR=齐韬,TITLE=WinBUGS在统计分析中的应用（第二部分）,JOURNAL=统计之都,YEAR=2008,month=12,URL=/2008/12/statistical-analysis-and-winbugs-part-2/,第一节WinBUGS数据分析案例在这一节中，我将拿一个经典的研究数据，利用WinBUGS给出简单的分析。首先介绍一下这个数据：SeedsseedO.aegyptiaco75seedO.aegyptiaco73BeanCucumberBeanCucumberrnr/nrnr

31、/nrnr/nrnr/n10390.26560.838160.53120.2523620.3753740.7210300.3322410.5423810.2855720.768280.2915300.526510.5132510.6323450.5132510.6317390.4446790.58040370.4310130.77这个数据来自Crowder(1978)。之后BreslowandClayton(1993)作为例子，也分析过这个数据。数据反映的是某一品种的豆类种子和某一品种的黄瓜种子，分别放在21个培养皿（plates）中分别培养，在根提取物aegyptiaco75和aegypti

32、aco73的作用下的出芽率的差异。其中r是出芽的个数，n是种子的个数，而r/n是出芽率。我们用randomeffectlogisticregression模型来进行分析（注意，在Bayesian分析中，通常是将covariates看做是服从某一个分布的随机变量，这和一般意义上的GLM,GLME,LME中对于covariates解释是不同的）：其中是种子的类型，是根提取物的类型，是交互项,是给定的独立的“noninformative”先验参数。在Bayesian分析中，通常我们会定义一个DAG图(即DirectedAcyclicGraph有向无圈图)。我们可以在WinBUGS中通过设计DAG图来

33、定义模型。不过这一节中我们还是用WinBUGS中的BUGS语言来定义模型，如何在WinBUGS中通过设计DAG图来定义模型我将在下一节中详细介绍，但是必须要说明的是BUGS语言比DAG图灵活，不过直观性不如后者。模型modelfor(iin1:N)ridbin(pi,ni)bidnorm(0.0,tau)logit(pi)-alpha0+alpha1*x1i+alpha2*x2i+alpha12*x1i*x2i+bialpha0dnorm(0.0,1.0E-6)alpha1dnorm(0.0,1.0E-6)alpha2dnorm(0.0,1.0E-6)alpha12dnorm(0.0,1.0E

34、-6)taudgamma(0.001,0.001)sigmaChiSqIntercept1-0.55820.126-0.8052-0.311219.62.0001seed10.14590.2232-0.29150.58330.430.5132extract11.31820.17750.97041.66655.17|t|AlphaLowerUpperGradientb0-0.55820.12621-4.430.00020.05-0.8202-0.2961-0.00000229b10.14590.2232210.650.52030.05-0.31820.61-8.82E-07b21.31820.1

35、775217.43|t|AlphaLowerUpperGradientb0-0.54840.166620-3.290.00360.05-0.896-0.2009-0.00087b10.0970.278200.350.73080.05-0.4830.6770.00022b21.3370.2369205.64.00010.050.84281.8313-0.00018b12-0.81040.385220-2.10.04820.05-1.6139-0.0070.000371.070.295varu0.055810.052090.05-0.05270.16430.001515当然了winBUGS的强大之

36、处并不在于此，而是在处理诸如GLME（有些文献称GLMM），空间数据模型等计算复杂的模型，之后还会继续讨论。参考文献：1CrowderMJ(1978)Beta-binomialAnovaforproportions.AppliedStatistics.27,34-37.2BreslowNEandClaytonDG(1993)Approximateinferenceingeneralizedlinearmixedmodels.JournaloftheAmericanStatisticalAssociation.88,9-25.最后再送出一本书，供大家研究参考HYPERLINK/wp-conten

37、t/uploads/2008/12/lawson-ab-disease-mapping-with-winbugs-and-ml-win-wiley-2003-isbn-0470856041-600dpitc282s.djvuDiseaseMappingwithWINBUGSandMLWin（djvu格式）WinBUGS在统计分析中的应用第二部分完相关文章HYPERLINK/2009/02/statistical-analysis-and-winbugs-part-3/oWinBUGS在统计分析中的应用（第三部分）WinBUGS在统计分析中的应用（第三部分）(35)HYPERLINK/2009/

38、08/econ-software-sas/o我的求学之路：经济学、软件工程、SAS我的求学之路：经济学、软件工程、SAS(27)HYPERLINK/2009/06/statistical-analysis-and-winbugs-part-4/oWinBUGS在统计分析中的应用（第四部分）WinBUGS在统计分析中的应用（第四部分）(0)HYPERLINK/2009/02/measure-classification-model-performance-lift-gain/o分类模型的性能评估以SASLogistic回归为例(3):Lift和Gain分类模型的性能评估以SASLogistic回

39、归为例(3):Lift和Gain(6)HYPERLINK/2009/01/r-and-sas-new-york-times/oR与SAS之争：一个导读R与SAS之争：一个导读(27)13Responsesto“WinBUGS在统计分析中的应用（第二部分）”priss111on2008/12/19at18:09谢老大，牛就一个字！HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/?replytocom=173lrespond回复HYPERLINK/谢益辉on2008/12/19at18:22跟我有啥关系呀HYPERLINK/200

40、8/12/statistical-analysis-and-winbugs-part-2/?replytocom=174lrespond回复王化儒on2008/12/20at20:30谢谢楼主的讲座和书！topriss111：谢老大和楼主都很牛这么说就对啦！HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/?replytocom=177lrespond回复HYPERLINK/2008/12/cos-navigation-4/郑冰:统计之都本周导读第四辑|统计之都on2008/12/21at17:53.WinBUGS在统计分析中的

41、应用（第二部分）.HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/?replytocom=182lrespond回复陈堰平on2008/12/24at11:25期待后续文章HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/?replytocom=184lrespond回复xjxon2008/12/27at17:43强人那,期待HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-2/?replytocom

42、=196lrespond回复xxyishuion2009/04/29at13:56很感谢楼主的文章，让我受益很多！我是winbugs的新手，我在做时遇到了一个问题，向您请教一下。模型是这样的：y=e+J*P,期中ednorm(u0,tau0),Jdnorm(u1,tau1),Pdpois(lanta),y的数据是已知的,我想要求出参数u0,u1,tau0,tau1,andlanta.假设先验分布:u0,u1dnorm,tau0,tau1dgamma,lantadbeta,andydnorm,这些分布是有文献支持的.但是我发现这样做出来的结果不好：首先我先假设参数的值，产生y的数据集，然后用y来

43、求出这些参数，对比一下，发现差距比较大。我想是否我代码编错了？modelfor(iin1:N)yyidnorm(yi,tau)cqidnorm(u1,tau1)bqidnorm(u0,tau0)dqidpois(lanta)yi-bqi+cqi*dqiu1dnorm(0.01,0.0002)u0dnorm(1,0.0002)tau0dgamma(4,2)tau1dgamma(4,2)lantadbeta(2,1)tau=250g被拒绝，所以.xuweiwei:HYPERLINK/chinar/chinar-2010/lcomment-1195o查看xuweiwei的完整评论我也想参加啊！myl

44、i:HYPERLINK/2009/07/drawing-china-map-using-r/lcomment-1194o查看myli的完整评论谢谢，弄明白了。那个工作空间，原来Rforbegin.VincentTingluXu:HYPERLINK/2009/08/econ-software-sas/lcomment-1192o查看VincentTingluXu的完整评论感兴趣江堂兄做软件的时候数学是怎么学习的。我原来也是经济学的.VincentTingluXu:HYPERLINK/2009/03/meaning-of-failure-to-reject-h0/lcomment-1191o查看V

45、incentTingluXu的完整评论认同这个答案。邱怡轩:HYPERLINK/2009/07/drawing-china-map-using-r/lcomment-1190o查看邱怡轩的完整评论1、用R软件时可能经常要读取一些外部文件，引用这些文件有两种.随机文章HYPERLINK/2009/02/google-visualization-api-and-data-analysis-online/o近日Google推出了GoogleVisualizationAPI为在线数据分析开拓了一条崭新的道路。这个项目的初衷就是希望提供一种灵活的在线数据分析的解决方案。之前的名声大噪的GoogleMap

46、API已经应用到国内的许多诸如地图查询，导航信息，GIS等等诸多领域。也许你也曾是其中一员或将要成为其中一员呢。回过头来，VisualizationAPI则将重点放在数据的探索性分析与结果的展现.2009.02.13GoogleVisualizationAPI与在线数据分析HYPERLINK/2009/01/cos-navigation-7/o一、主站本周一共发布了2篇日志。使用回归分析，样本过少时不妨好先作图看看开源的计量经济学软件gretl二、维基本周维基上面内容变化不大。三、论坛关于邀请大家成为统计之都高校联系人目前会员总数：74444，主题数:9694，帖子数:67720.2009.0

47、1.11统计之都本周导读第七辑HYPERLINK/2009/08/econ-software-sas/o这个青年的经历，只代表他个人，没有任何群体的意义。我想写下一段自白,这自白既是我个人的,也具有普遍意义,因为一个人经历过的事情所有的人都可以经历。/*跟武汉博文视点合作，召集些身边的朋友，2009应届生，计算机背景，在毕业之前，讲讲自己求学、实习、找工作等的经历与感悟，文章将由电子工业出版社结集出版，在今天秋季学期开学之前出来。我是主编，也是作者之一，刚好经历跟大伙有重叠：经济学、软件.2009.08.9我的求学之路：经济学、软件工程、SASHYPERLINK/2009/05/how-to-

48、design-an-experiment/oRA费歇尔爵士说在试验设计中经历的不是一个试验而是一种经验。在静静地看了几遍DavidFreedman等著的统计学中关于试验设计的部分后，总觉得应该写点东西发泄一下。该书自从买来就一直放在书架很久没动，也懒得动，因为翻翻前面觉得太简单。最近心情比较平静，翻了翻试验设计部分，同时思考现实中的类似例子，觉得挺有味道的。试验设计包括很多内容，比如大家可能都熟知的正交表构造、区组.2009.05.8如何设计一个试验HYPERLINK/2008/12/statistical-analysis-and-winbugs-part-1/o开篇词首先非常感谢COS论坛

49、提供了这样一个良好的平台，敝人心存感激之余，也打算把一些学习心得拿出来供大家分享，文中纰漏之处还请各位老师指正。下面我将以WinBUGS的统计应用为题，分几次来谈一谈WinBUGS这个软件。其中会涉及到空间数据的分析、GeoBUGS的使用、面向R及SPLUS的接口包R2WinBUGS的使用、GIS与统计分析等等衍生出的话题。如有问题，请大家留下评论，我会调整内容，择.2008.12.8WinBUGS在统计分析中的应用（第一部分）标签云HYPERLINK/tag/bootstrap/o2个主题BootstrapHYPERLINK/tag/confusion-matrix/o3个主题Confusi

50、onMatrixHYPERLINK/tag/cos/o11个主题COSHYPERLINK/tag/logistic/o3个主题Logistic回归HYPERLINK/tag/p/o4个主题P值HYPERLINK/tag/r/o12个主题RHYPERLINK/tag/r/o17个主题R语言HYPERLINK/tag/sas/o9个主题SASHYPERLINK/tag/sensitiveity/o3个主题SensitiveityHYPERLINK/tag/specificity/o3个主题SpecificityHYPERLINK/tag/spss/o4个主题SPSSHYPERLINK/tag/wi

51、nbugs/o4个主题WinBUGSHYPERLINK/tag/o8个主题中国人民大学HYPERLINK/tag/o3个主题中心极限定理HYPERLINK/tag/o11个主题主站HYPERLINK/tag/o3个主题会议HYPERLINK/tag/o3个主题假设检验HYPERLINK/tag/o2个主题分析数据HYPERLINK/tag/o3个主题分类模型HYPERLINK/tag/o12个主题博客HYPERLINK/tag/o4个主题可视化HYPERLINK/tag/o2个主题回归HYPERLINK/tag/o2个主题学习经历HYPERLINK/tag/o10个主题导读HYPERLINK/

52、tag/o2个主题应用统计科学研究中心HYPERLINK/tag/o2个主题收集数据HYPERLINK/tag/o3个主题散点图HYPERLINK/tag/o5个主题数据挖掘HYPERLINK/tag/o2个主题整理数据HYPERLINK/tag/o3个主题期望HYPERLINK/tag/o3个主题概率论HYPERLINK/tag/o3个主题混淆矩阵HYPERLINK/tag/o2个主题相关HYPERLINK/tag/o3个主题空间统计HYPERLINK/tag/o11个主题统计之都HYPERLINK/tag/o5个主题统计功课HYPERLINK/tag/o5个主题统计学HYPERLINK/t

53、ag/o9个主题统计学院HYPERLINK/tag/o12个主题维基HYPERLINK/tag/o2个主题表述数据HYPERLINK/tag/o2个主题计量经济学HYPERLINK/tag/o12个主题论坛HYPERLINK/tag/o5个主题论文摘要HYPERLINK/tag/o2个主题贝叶斯HYPERLINK/tag/o2个主题重抽样WinBUGS在统计分析中的应用（第三部分）ByHYPERLINK/author/karlqi/o由齐韬发表齐韬2009/02/11关键词：HYPERLINK/tag/bayesian-analysis/BayesianAnalysis,HYPERLINK/t

54、ag/geobugs/GeoBUGS,HYPERLINK/tag/winbugs/WinBUGS,HYPERLINK/tag/空间统计,HYPERLINK/tag/贝叶斯统计分类：HYPERLINK/category/application/data/o查看数据分析的全部文章数据分析,HYPERLINK/category/graphics/o查看统计图形的全部文章统计图形,HYPERLINK/category/software/o查看统计软件的全部文章统计软件作者信息：ComputationalMathematicianinAnnproAnalyticTechnologies,Inc.版权声明

55、：本文版权归原作者所有，未经许可不得转载。原文可能随时需要修改纰漏，全文复制转载会带来不必要的误导，若您想推荐给朋友阅读，敬请以负责的态度提供原文链接；HYPERLINK/2009/02/statistical-analysis-and-winbugs-part-3/lreference点此查看如何在学术刊物中引用本文常规引用方式齐韬.WinBUGS在统计分析中的应用（第三部分）.统计之都,2009.02.URL:/2009/02/statistical-analysis-and-winbugs-part-3/.BibTeX引用ARTICLE,AUTHOR=齐韬,TITLE=WinBUGS在统

56、计分析中的应用（第三部分）,JOURNAL=统计之都,YEAR=2009,month=02,URL=/2009/02/statistical-analysis-and-winbugs-part-3/,用GeoBUGS做简单的空间数据分析第一节实例介绍基本的空间模型GeoBUGS是WinBUGS的一个模块，专门用来分析空间数据（spatialdata)。由于和WinBUGS的基本模型结合得比较好，所以被广泛地使用。目前的GeoBUGS除了自身的地图格式外，还支持Splus,ArcInfo以及EpiMap的地图格式。当然了，在使用的时候需要做适当的转化才行。下面是一个简单的例子，大家也可以在Geo

57、BUGS的Manual中找到它。模型假设为条件自回归模型ConditionalAutoregressive（CAR）。数据为苏格兰唇癌疾病数据，反映的是苏格兰56个郡的唇癌发病率。这个数据比较经典，ClaytonandKaldor(1987)和BreslowandClayton(1993)都曾在他们的论著中分析过该数据。CountyObservedExpectedPercentageSMRAdjacentcases(Oi)cases(Ei)inagric.(xi)counties191.416652.25,9,11,192398.716450.37,105601.8100.018,24,30,

58、33,45,55County为郡的编号。Observedcases（记作：Oi）为实际患病人数。Expectedcases（记作：Ei）为预计患病人数，这个人数基于当地的人口，对象的年龄、性别分布。Percentageinagric.（记作：xi）为当地农业、渔业、林业人口所占当地总人口的比例。Adjacentcounties指的是与当前郡相毗邻的郡的编号。SMR（StandardisedMortalityRatios）为标准死亡率。通过观察数据，我们可以发现SMR在某些时候（比如Oi和Ei较小时）出现奇异的值（如0.0），所以我们需要通过smooth方法来调整SMR的值。这里我们采用的方法是

59、在条件自相关（CAR）的先验假定下，拟合具有空间相关的随机混效Poisson模型。模型如下：其中为intercept项反映的是各个区域间患病的相对基准风险。反映的是与地域相关的潜在的患病风险因子。其他项不言自明。需要重点提出的是这里的,在GeoBUGS中可以通过car.normal先验分布来描述。在贝叶斯统计中任河变量都可以通过一个分布来描述。b1:Ncar.normal(adj,weights,num,tau)adj为邻接郡的编号weights为描述各个郡之间重要性差异的权因子num每个郡的相邻郡的个数tau反映的是精度，因为不知道，所以在模型设定时要将其放到先验参数中去。通过前两次介绍的方

60、法，我们很容易就可以得到模型的结果。下面我们来看看如何将结果反映到地图上去。第二节GeoBUGS的界面操作HYPERLINKfile:/H:统计值齐韬%20WinBUGS在统计分析中的应用（第三部分）%20%20统计之都%20(中国统计学门户网站，免费统计学服务平台).filesgeobugs-3-3.pngGeoBUGS的地图工具配置界面第一步，打开Map-MapTool菜单，选择Scotland这张地图第二步，在variable中填O或者E或者b等等模型参数第三步，设置分割点和地图模板第四步，点击plot画图当然还可以在quantity中设置不同的需要反映的量的类型。很简单吧。HYPERL