Winbugs基础操作及使用课件.pptVIP

李艳丽 Winbugs介绍 贝叶斯模型介绍 Winbugs 操作流程 案例介绍 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。 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=α0+ α1*X1+…… αn*Xn Y~ D（μ） μ= α0+ α1*X1+…… αn*Xn αi ~ 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 values 6- 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inferrence——sample，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model——update，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 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 Trace：显示样本的轨迹 History：同trace Density：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 Trace History Density statistics Auto 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!