stringtranslate.com

Еще один сэмплер Гиббса

Just another Gibbs sampler ( JAGS ) — это программа для моделирования байесовских иерархических моделей с использованием цепей Маркова Монте-Карло (MCMC), разработанная Мартином Пламмером. JAGS применялась для статистических работ во многих областях, например, экологии, менеджменте и генетике. [2] [3] [4]

JAGS стремится к совместимости с WinBUGS / OpenBUGS за счет использования диалекта того же языка моделирования (неофициально, BUGS), но он не предоставляет GUI для построения модели и постобработки образцов MCMC, поэтому их необходимо обрабатывать в отдельной программе (например, вызывать JAGS из R через библиотеку, такую ​​как rjags, и постобрабатывать вывод MCMC в R). [5]

Главным преимуществом JAGS по сравнению с членами исходного семейства BUGS ( WinBUGS и OpenBUGS ) является его независимость от платформы. Он написан на C++, в то время как семейство BUGS написано на Component Pascal , менее известном языке программирования. [6] [7] Кроме того, JAGS уже является частью многих репозиториев дистрибутивов Linux, таких как Ubuntu. Его также можно скомпилировать как 64-битное приложение на 64-битных платформах, тем самым делая все адресуемое пространство доступным для моделей BUGS.

JAGS можно использовать через командную строку или запустить в пакетном режиме через файлы скриптов. Это означает, что нет необходимости переделывать настройки при каждом запуске и что программу можно вызывать и контролировать из другой программы (например, из R через rjags, как описано выше).

JAGS распространяется по лицензии GNU General Public License .

Смотрите также

Ссылки

  1. ^ "JAGS". 4 марта 2023 г. Получено 24 февраля 2024 г.
  2. ^ Semmens, BX; Ward, EJ; Moore, JW; Darimont, CT (2009). Getz, Wayne M (ред.). "Количественная оценка меж- и внутрипопуляционной изменчивости ниши с использованием иерархических байесовских моделей смешивания стабильных изотопов". PLOS ONE . 4 (7): e6187. Bibcode : 2009PLoSO...4.6187S. doi : 10.1371/journal.pone.0006187 . PMC 2704373. PMID  19587790 . 
  3. ^ Джонсон, ТР; Кун, КМ (2013). «Байесовские модели Терстона для ранжирования данных с использованием JAGS». Методы исследования поведения . 45 (3): 857–872. doi :10.3758/s13428-012-0300-3. PMID  23539504. S2CID  42660145.
  4. ^ McKeigue, PM; Campbell, H.; Wild, S.; Vitart, V.; Hayward, C.; Rudan, I.; Wright, AF; Wilson, JF (2010). «Байесовские методы для анализа инструментальных переменных с генетическими инструментами («менделевская рандомизация»): пример с переносчиком уратов SLC2A9 в качестве инструментальной переменной для определения влияния уровней уратов на метаболический синдром». International Journal of Epidemiology . 39 (3): 907–918. doi :10.1093/ije/dyp397. PMC 2878456 . PMID  20348110. 
  5. ↑ Мартин Пламмер (2003). JAGS: Программа анализа байесовских графических моделей с использованием выборки Гиббса, Труды 3-го Международного семинара по распределенным статистическим вычислениям (DSC 2003), 20–22 марта, Вена, Австрия. ISSN 1609-395X.
  6. ^ Ланн, Дэвид; Шпигельхальтер, Дэвид; Томас, Эндрю; Бест, Ники (2009). «Проект BUGS: Эволюция, критика и будущие направления» (PDF) . Статистика в медицине . 28 (25): 3049–3067. doi :10.1002/sim.3680. PMID  19630097. Архивировано из оригинала (PDF) 2012-09-15.
  7. ^ Саймон Джекман (2009). Байесовский анализ для социальных наук . Серия Wiley по теории вероятности и статистики, том 845. John Wiley and Sons. ISBN 978-0-470-01154-6 . 

Внешние ссылки