Winbugs基础操作及使用李艳丽

《Winbugs基础操作及使用李艳丽》由会员分享，可在线阅读，更多相关《Winbugs基础操作及使用李艳丽（23页珍藏版）》请在装配图网上搜索。

1、李艳丽Winbugs介绍贝叶斯模型介绍Winbugs 操作流程案例介绍WinBUGSWinBUGS(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，样本分布间的关系Y=0+1*X1+n*XnY D（）=0+1*X1+n*

2、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data），点击load data，导入数据。左下方显示 data loaded，则数据导入成

3、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 thin：每X步收集一笔资料 iteration：显示模拟进程inferrencesample，

4、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，则跳出案例菜单，里面包含各种已有的Bayesian模型代码及样本数据。The end!