Winbugs基础操作及使用-李艳丽.ppt

Winbugs基础操作及案例 李艳丽 Winbugs介绍贝叶斯模型介绍Winbugs操作流程案例介绍 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 Winbugs介绍 Bayesian模型 经典统计 贝叶斯统计 样本信息 总体信息 先验信息 联合密度与先验分布 样本分布间的关系 Y 0 1 X1 n Xn Y D 0 1 X1 n Xn i 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 generateburn invalues6 确定被模拟的参数7 运行8 检查收敛性及列出结果 Winbugs操作流程 模型基本结构 model 数据 list 模型初始化参数 list Winbugs程序基本结构 选中model 然后点击checkmodel 检查模型是否有错 一 Checkmodel后左下方如果显示Modelissyntacticallycorrect 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loaddata 导入数据 左下方显示dataloaded 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loadinits 初始化模型 初始化成功左下方显示modelisinitialized 单击inferrence sample 出现samplemonitortools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model update 出现updatetool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 inferrence sample 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 查看结果 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Autocor 参数自相关性 Trace History Density statistics Autocor 通过迭代轨迹 trace 迭代历史 history 自相关函数 autocorr 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 模型收敛性判别 通过DIC的值来比较不同模型的优劣性 DIC值越小 模型越好 模型优劣性判别 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 参考案例 点击任务栏help 下拉菜单点击