WinBUGS14.exe - 下载频道
- CSDN.NET
&&&&WinBUGS14.exe
WinBUGS14.exe
WinBUGS 14.Bayesian Analysis
若举报审核通过，可奖励20下载分
被举报人：
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
您可能还需要
行业下载排行苹果/安卓/wp
苹果/安卓/wp
积分 183, 距离下一级还需 77 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
先下载附件，然后按照如下步骤学习使用。
1. 首先解压缩文件到英文目录下，运行WinBUGS14.exe程序安装
2. 找到安装目录，点击WinBUGS14.exe运行软件。
3. 在运行环境内打开文件WinBUGS14_immortality_key.txt（选.txt格式），按提示操作【Tools】-【Decode】-【Decode All】
4. 在运行环境内打开文件WinBUGS14_cumulative_patch_No3_06_08_07_RELEASE.txt（选.txt格式），按提示操作【Tools】-【Decode】-【Decode All】
5. 打开&快速学会使用WinBUGS做贝叶斯统计.pdf&，练习使用，很快就可以学会。其它文件可作为学习参考之用。
(4.41 MB, 售价: 5 个论坛币)
23:59:37 上传
售价: 5 个论坛币
载入中......
好资料，谢谢
好的意见建议
总评分:&经验 + 20&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
好东西！！！！！！！！！！！！
价格太高了
谢谢！非常好的东西！
huanglibuaa
多谢楼主。& &资料很齐全。后悔看到这篇文章晚了点——刚刚花了5个币买一篇使用书，而楼主的压缩包里就有使用 书。&&哎。。。。。
大家好才是真的好！
买了，好好学习一下，谢谢楼主
学习一下，谢谢楼主!!!
haodongxi!
学习中……
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
为做大做强论坛，本站接受风险投资商咨询，请联系（010-）
邮箱：service@pinggu.org
合作咨询电话：(010)
广告合作电话：（刘老师）
投诉电话：(010)
不良信息处理电话：(010)
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师请问怎么上微信？需要注册吗？怎么注册？_百度知道
请问怎么上微信？需要注册吗？怎么注册？
提问者采纳
用QQ号或手机号或邮箱号都可以注册微信，目前支持手机版的微信。
其他类似问题
为您推荐：
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁14WinBUGS在统计分析中的应用
上亿文档资料，等你来发现
14WinBUGS在统计分析中的应用
WinBUGS在统计分析中的应用；作者：齐韬；第一部分；开篇词；首先非常感谢COS论坛提供了这样一个良好的平台，；第一节什么是WinBUGS?；WinBUGS对于研究Bayesian统计分析的；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；第二、因为它免费；第三、有各色的R包为WinBUGS实现了针对R的；第四、详细的文档、帮助、指导
WinBUGS在统计分析中的应用 作者：齐韬 第一部分 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、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 (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。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spatial data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WinBUGS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，去下载就好了。不过要用高级功能（如GeoBUGS）的话，还是去注册一下好了，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 -& Specification，弹出一个Specification Tool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check model。你会看到WinBUGS的左下角状态栏上显示”model is syntactically correct.”第五步，把定义的data前的关键字list也高亮起来，点Specification Tool面板上的load data第六步，改Specification Tool面板上的马尔科夫链的数目，默认为1就好了第七步，点击Specification Tool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Specification Tool面板上的load inits第九步，关了Specification Tool面板第十步，点击菜单Inference -& Samples，弹出一个Sample Monitor Tool面板。第十一步，在Sample Monitor Tool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Sample Monitor Tool面板第十三步，点击菜单Model -& Update，弹出一个Update Tool面板。第十四步，将Update Tool面板中的updates改大点，比如50000，点update按钮。 第十五步，运行完后，关了Update Tool面板第十六步，点击菜单Inference -& Samples第十七步，在弹出的Sample Monitor Tool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auto cor看correlogram时间序列图，点stat看参数估计的结果 Estimation results by WinBUGS 1.4附第二步中的代码如下：#MODELmodel{for (i in 1:N) {O[i] ~ dpois(mu[i])log(mu[i]) &- log(E[i]) + alpha0 + alpha1 * X[i]/10 +b[i]# Area-specific relative risk (for maps)RR[i] &- exp(alpha0 + alpha1 * X[i]/10 + b[i])}# CAR prior distribution for random effects:b[1:N] ~ car.normal(adj[], weights[], num[], tau)for (k in 1:sumNumNeigh) {weights[k] &- 1}# Other priors:alpha0 ~ dflat()alpha1 ~ dnorm(0, 1e-05)tau ~ dgamma(0.5, 5e-04)# prior on precisionsigma &- sqrt(1/tau)# standard deviation}#DATA list(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, 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, 2,6, 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, 31, 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, 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)#INITIAL VALUESlist(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, 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)) 第二部分第一节 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：Seedsseed O. aegyptiaco 75
seed O. aegyptiaco 73
Bean Cucumber
Bean Cucumber r
0.77这个数据来自Crowder (1978)。之后Breslow and Clayton (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aegyptiaco 75和aegyptiaco 73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random effect logistic regression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）： 是种是根是交互项, 是给包含各类专业文献、中学教育、各类资格考试、高等教育、外语学习资料、行业资料、应用写作文书、文学作品欣赏、14WinBUGS在统计分析中的应用等内容。　
　0)) WinBUGS 在统计分析中的应用 第一部分完 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... 　如何使用WinBugs做贝叶斯统计_计算机软件及应用_IT/计算机_专业资料。如何使用WinBugs...(2) Burn in:为降低起始值的影响,选取递回後较稳定的资料,因此在分析时 ... 　Logistic 回归为例(3): Lift 和 Gain (5) 5.R 与 SAS 之争:一个导读 (23) 统计之都 《本周导读》 第二辑 WinBUGS 在统计分析中的应用 (第一部分) ... 　世界最全统计学网站_金融/投资_经管营销_专业资料。...//club.excelhome.net/ 中文 Excel 应用论坛 http...//www.mrc-bsu.cam.ac.uk/bugs WinBUGS1.4(免费... 　传统的分析,还给出了不少应用软件,如 GEODA,spss,matlab,Winbugs 等空间统计...空间计量中,全局 MoranI 是针对变量 来的,局部 MoranI 是针对残差计算空间相关... 　(多水平模型) http://www.mrc-bsu.cam.ac.uk/bugs WinBUGS1.4(免费软件,.../// 医学统计之星(统计学及软 件应用的普及) http://... 　关于统计学的网站 ◎ 中国人民大学应用统计科学研究中心 http://research.ruc....(多水平模型) http://www.mrc-bsu.cam.ac.uk/bugs WinBUGS1.4(免费软件,... 　两种计算机软件在医学 Meta 分析中的应用_基础医学_医药卫生_专业资料。两种计算机...Stat Epi Meta , 通用统计软件中有 Meta? analysis的程序: STATA,SAS,WinBUGS... 　统计学相关网站 一、国内统计相关网址 1.医学统计学...中国应用统计网(人大应用统计科研所) http://stats...// WinBUGS1.4 http://www.mrc-bsu....