MCMCpack बनाम बायसेगलम (बांह)

Question

दोनों bayesglm()(बांह आर पैकेज में) और एमसीएमसीपैकेज पैकेज में विभिन्न कार्यों का उद्देश्य सामान्यीकृत रैखिक मॉडल के बेयसियन आकलन करना है, लेकिन मुझे यकीन नहीं है कि वे वास्तव में एक ही चीज की गणना कर रहे हैं। मॉडल मापदंडों के लिए संयुक्त पोस्टीरियर से (निर्भर) नमूना प्राप्त करने के लिए MCMCpack फ़ंक्शन मार्कोव चेन मोंटे कार्लो का उपयोग करता है। bayesglm()दूसरी ओर, पैदा करता है। मुझे यकीन नहीं है क्या

ऐसा लगता है कि यह bayesglm()एक बिंदु अनुमान का उत्पादन करता है, जो इसे पूर्ण बायेसियन अनुमान के बजाय एमएपी (अधिकतम पोस्टीरियर) अनुमान बना देगा, लेकिन एक sim()फ़ंक्शन है जो दिखता है कि इसका उपयोग पोस्टीरियर ड्रॉ पाने के लिए किया जा सकता है।

किसी को दो के लिए इच्छित उपयोग में अंतर समझा सकते हैं? bayesglm() + sim()सही पश्च आरेखों का निर्माण कर सकते हैं, या यह किसी प्रकार का सन्निकटन है?

Comments

मुझे इसका उत्तर नहीं पता है, लेकिन अगर यह उन कार्यों के स्रोत को केवल उनके नाम लिखकर देख सकता है:> बायसेग्म> सिम या आप सीधे अनुरक्षकों से पूछ सकते हैं: cran.r-project.org/web/packages/arm/ arm.pdf cran.r-project.org/web/packages/MCMCpack/MCMCpack.pdf

— पेज

यदि आप पूर्ण नियंत्रण चाहते हैं तो आप 'rjags' का उपयोग भी कर सकते हैं और मॉडल को स्वयं लिख सकते हैं।

— अनुमान लगाया गया

Answer 1

पूर्ण स्रोत कोड को देखने के लिए आपको armCRAN से पैकेज स्रोत को डाउनलोड करना होगा (यह एक टारबॉल है)। simफ़ंक्शन पर एक त्वरित नज़र मुझे लगता है कि armयह एक अनुमानित Bayes विधि है क्योंकि यह अधिकतम संभावना अनुमानों की बहुभिन्नरूपी सामान्यता को लगता है। बहुत ही गैर-द्विघात लॉग संभावना वाले मॉडल में, जैसे कि बाइनरी लॉजिस्टिक मॉडल, यह सटीक रूप से पर्याप्त होने की संभावना नहीं है। मैं इस बारे में दूसरों से कुछ टिप्पणियां प्राप्त करना चाहता हूं। मैंने MCMCpackसफलता के साथ प्रयोग किया है ; यह कई मॉडलों के लिए एक सटीक बायेसियन समाधान प्रदान करता है, जिसे पर्याप्त पश्च-आरेख और MCMC का अभिसरण दिया गया है।