BUGS এবং R এর প্যারামিটারাইজেশন কোন বিতরণের জন্য আলাদা?


31

আমি কিছু বিতরণ পেয়েছি যার জন্য BUGS এবং R এর বিভিন্ন প্যারামিটারাইজেশন রয়েছে: সাধারণ, লগ-নরমাল এবং ওয়েবুল।

এর প্রত্যেকটির জন্য, আমি সংগ্রহ করি যে আর ইউ দ্বারা ব্যবহৃত দ্বিতীয় প্যারামিটারটি বিইউজিএস (বা আমার ক্ষেত্রে জেজিএস) ব্যবহার করার আগে বিপরীত রূপান্তরকরণ (1 / পরামিতি) হওয়া দরকার।

বর্তমানে বিদ্যমান এই রূপান্তরগুলির একটি বিস্তৃত তালিকা সম্পর্কে কেউ কি জানেন?

সবচেয়ে কাছের আমি খুঁজে পাচ্ছি জাগস ২.২.০ এর ব্যবহারকারী ম্যানুয়াল এর সারণি in এ বিতরণ এবং এর ফলাফল ?rnormএবং সম্ভবত কয়েকটি সম্ভাব্য পাঠ্যগুলির সাথে তুলনা করা । এই পদ্ধতির প্রয়োজন হতে পারে যে পিডিএফগুলি থেকে আলাদাভাবে রূপান্তরগুলি নেওয়া উচিত।

আমি যদি ইতিমধ্যে এটি করা হয়ে থাকে তবে আমি এই কাজটি (এবং সম্ভাব্য ত্রুটিগুলি) এড়াতে পছন্দ করব বা অন্যথায় তালিকাটি এখানেই শুরু করুন।

হালনাগাদ

বেনের পরামর্শের ভিত্তিতে, আমি R থেকে BUGS প্যারামিটারাইজেশনগুলিতে প্যারামিটারগুলির একটি ডেটাফ্রেম রূপান্তর করতে নিম্নলিখিত ফাংশনটি লিখেছি।

##' convert R parameterizations to BUGS paramaterizations
##' 
##' R and BUGS have different parameterizations for some distributions. 
##' This function transforms the distributions from R defaults to BUGS 
##' defaults. BUGS is an implementation of the BUGS language, and these 
##' transformations are expected to work for bugs.
##' @param priors data.frame with colnames c('distn', 'parama', 'paramb')
##' @return priors with jags parameterizations
##' @author David LeBauer

r2bugs.distributions <- function(priors) {

  norm   <- priors$distn %in% 'norm'
  lnorm  <- priors$distn %in% 'lnorm'
  weib   <- priors$distn %in% 'weibull'
  bin    <- priors$distn %in% 'binom'

  ## Convert sd to precision for norm & lnorm
  priors$paramb[norm | lnorm] <-  1/priors$paramb[norm | lnorm]^2
  ## Convert R parameter b to JAGS parameter lambda by l = (1/b)^a
  priors$paramb[weib] <-   1 / priors$paramb[weib]^priors$parama[weib]
  ## Reverse parameter order for binomial
  priors[bin, c('parama', 'paramb')] <-  priors[bin, c('parama', 'paramb')]

  ## Translate distribution names
  priors$distn <- gsub('weibull', 'weib',
                       gsub('binom', 'bin',
                            gsub('chisq', 'chisqr',
                                 gsub('nbinom', 'negbin',
                                      as.vector(priors$distn)))))
  return(priors)
}

##' @examples
##' priors <- data.frame(distn = c('weibull', 'lnorm', 'norm', 'gamma'),
##'                     parama = c(1, 1, 1, 1),
##'                     paramb = c(2, 2, 2, 2))
##' r2bugs.distributions(priors)

2
সত্যই কোনও প্রতিরোধ নয়, তবে আমি এই প্রতারণামূলক শীটটি দরকারী হিসাবে পেয়েছি, বায়সিয়ান অ্যানালাইসিসের কিছু দরকারী বিতরণে শিক্ষাগত পরিমাপের মডেলগুলি (আরজে মিসলেভি, 2001) - এটি মূলত বিজিজি বিতরণকে অন্তর্ভুক্ত করে।
chl

উত্তর:


36

আমি একটি ক্যানড তালিকা জানি না।

আপডেট : এই তালিকাটি (অতিরিক্ত অতিরিক্ত তথ্য) এখন সম্ভাব্য ঘনত্ব ফাংশনগুলি অনুবাদ করে: আর থেকে বিইউজিএস এবং ব্যাক অ্যাগেইন (2013), ডিএস লেবাউর, এমসি ডায়েজ, বিএম বোলকার আর জার্নাল 5 (1), 207-209 হিসাবে প্রকাশিত হয়েছে।

এখানে আমার তালিকা (মূল প্রশ্নকারী দ্বারা সম্পাদিত সম্পাদনা):

সাধারণ এবং লগ-স্বাভাবিক; বা (স্ট্যান্ড। দেব বা বৈকল্পিক) এর পরিবর্তে rather (নির্ভুলতা) এর ক্ষেত্রে প্যারামিটারাইজড হয় ; τσσ2τ=1/σ2=1/Var

বিটা, পোইসন, এক্সফোনেনশিয়াল, ইউনিফর্ম সব একই

BUGS- এ নেতিবাচক দ্বিপদী কেবলমাত্র পৃথক প্যারামিটারাইজেশন (আকার, প্রোব) আছে, "পরিবেশগত" নয় (আকার, মিউ, যেখানে আকারটি অ-পূর্ণসংখ্যার হতে পারে) পরামিতি হয়।

সম্পাদনা করুন : বিইউজিএসের ওয়েইবুল হ'ল ( = , = ), আর-এ ( = , = ) [গণিতের স্বরলিপিটি সংশ্লিষ্ট ডকুমেন্টেশনে ব্যবহৃত স্বরলিপির সাথে সামঞ্জস্যপূর্ণ] আমি কীভাবে প্যারামিটারাইজ করব এ নির্দেশিত জেএজিএস / বিইউজিএসে ওয়েলবুল বিতরণ? ,νshapeλlambdaএকটিshapescaleλ=(1/)একটি

বুগস-এ গামা হ'ল ( shape, rate)। এটি আর-এ ডিফল্ট, তবে আর এছাড়াও (আকৃতি, স্কেল) অনুমতি দেয় [যদি স্কেল আর্গুমেন্টের নাম দেওয়া হয়]; হার = 1 / স্কেল

অর্ডার বিষয়গুলি , বিশেষত BUGS এ (যার নাম যুক্তি দেয় না) যেমন R dbinom(x,size,prob)বনাম BUGS dbin(p,n)[একই পরামিতি, বিপরীত ক্রম]।

নাম পার্থক্য :

  • দ্বিপদী : আর = dbinom, বিজিজি =dbin
  • চি স্কোয়ার্ড : আর = dchisq, বিজিজি =dchisqr
  • ওয়েইবুল : আর = dweibull, বিজিজি =dweib
  • নেতিবাচক দ্বিপদী : আর = dnbinom, বিজিজি =dnegbin

সম্পাদনা : কাটা বিতরণগুলির জন্য বাগগুলি ব্যবহার করে I(), জাগস ব্যবহার করে dinterval()[আপনি যদি এটি ব্যবহার করতে যাচ্ছেন তবে জাগএস ডকুমেন্টেশনে সন্ধান করা মূল্যবান, অন্য সূক্ষ্ম পার্থক্য থাকতে পারে]


দুর্দান্ত উত্তর - ধন্যবাদ। এটি আমাকে প্রচুর মস্তিষ্কের শক্তি, সময় এবং সবচেয়ে গুরুত্বপূর্ণ - সম্ভাব্য ত্রুটি থেকে রক্ষা করবে।
ডেভিড লেবাউর

1
বিজিজি এবং জেজিএস কীভাবে এই বিতরণগুলির কাটছাঁটি, সেন্সরিং এবং পূর্ববর্তী আদেশের (ম্যানুয়ালটির ৮ নং অধ্যায়) মোকাবেলা করে তার মধ্যে পার্থক্যগুলি ভুলে যাবেন না। বিশেষত, জএজিএসের একটি dintervalবিতরণ রয়েছে, যেখানে বিইজিএস আই () এর সাথে কাজ করে।
কনজুগেটপরিওর
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.