The BayesianTools R package with general-purpose MCMC and SMC samplers for Bayesian statistics
[stan] [jags] ggmcmc でMCMCの事後診断 - ill-identified diary
2019/12/15 追記: 現在は ggmcmcよりもbayesplotのほうがおすすめです ill-identified.hatenablog.com 概要これまで, stan などのサンプリング結果を R で処理するのが面倒だと思っていたのだが, いまさら ggmcmc パッケージという便利なものに気づいた. rstan, rjags などの R と連携できるパッケージと組み合わせるとトレースプロットやコレログラム, 事後密度やヒストグラムを簡単に出力してくれるが, 若干使いにくい*1ところもあるので使い方と合わせて改変したものについても言及する. 参考: http://xavier-fim.net/packages/ggmcmc/ 内容ggmcmc の構文は簡単で, 最短で library(ggmcmc) ggmcmc(ggs(stan/jagsの出力オブジェクト), file=フ
![[stan] [jags] ggmcmc でMCMCの事後診断 - ill-identified diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/c061e091e31002190c62682c1f19558fcf12cad0/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fi%2Fill-identified%2F20161007%2F20161007231714.png)
[R, Stan] Stanでレプリカ交換法
本記事は発展的な話題です。かつて@Med_KUさんのブログ記事「てさぐれ!!RStanもの」で出てきた例題は局所最適値（local minimum）が多くて、Stanで実行する際も初期値をかなりピシッと決めておかないとダメな例題でした。 しかし、モデルが高次元になってくると最初から“それらしい”初期値なんて分かりようがないし、そもそも理論的にはどんな初期値からはじめても長い間iterationをとれば大域最適値に到達してほしいです。しかし、Stanとは言え、現実的な時間内では局所最適値につかまります。溝が少し深いと出てこれません。そんな状況を打破するための発展的なMCMCの手法の1つに「レプリカ交換法（replica exchange method）」というものがあります。パラレルテンパリング（parallel tempering）としても知られています。 例によってここでは詳しく説明しま
![[R, Stan] Stanでレプリカ交換法](https://cdn-ak-scissors.b.st-hatena.com/image/square/bef1c3df1f61464f53159b9f149f737ca0f64778/height=288;version=1;width=512/http%3A%2F%2Fblog-imgs-78-origin.fc2.com%2Fh%2Fe%2Fa%2Fheartruptcy%2F20150520_exchange.png)
RでWAICを強引に計算させてみた - motivicのチラ裏
"R Advent Calendar 2013" 13日目の記事です。 どうも、13日の金曜日に記事を書くことになった幸運の持ち主のmotivicです。 先日WAICについてJapan.RでLTをしたので、まずはこちらをご覧ください。 RでWAIC from motivic ということで、WAICスゴイ！早速Rで強引に計算してみましょう。 渡辺先生のmatlabのコードはこちらから辿れます。 http://watanabe-www.math.dis.titech.ac.jp/users/swatanab/dicwaic.html 以下のRのコードはこれの昔のバージョンのものを翻訳したものです。ここでは混合分布のdelicate caseのWAICを計算しています。 研究室の高スペックなコンピュータでも計算するのに37分かかったので、普通のパソコンだと計算に数時間かかるかもしれません。 #T
Resources for ggmcmc | Xavier Fernández i Marín
ggmcmc is an R package aimed at providing tools for assessing and diagnosing convergence of Markov Chain Monte Carlo simulations, as well as for graphically display results from full MCMC analysis. The package also facilitates the graphical interpretation of models by providing flexible functions to plot the results against observed variables. Development ggmcmc is developed in github and has attr
Stan
Stan is a state-of-the-art platform for statistical modeling and high-performance statistical computation. Many thousands of users rely on Stan for statistical modeling, data analysis, and prediction in the social, biological, and physical sciences, engineering, and business. Stan interfaces with the most popular data analysis languages (R, Python, shell, MATLAB, Julia, Stata) and runs on all majo
Small Data Scientist Memorandum R+BUGSで時系列データを階層ベイズモデル（AR model）で解析する (1) BUGS編
ほんとの薬を投与した場合にTreat = 1になっています。 RからWinBUGSを動かす方法のセットアップは久保先生の本に載っているので割愛します（要望があればインストールから詳しく書きます）。データを見て時系列がわりとなめらかであること、今回は薬によって減少したか（増加したか）の傾きを知りたいことなどからAR modelを採用しました。BUGSコードは以下になりました。 2～9行目がモデルの数式をBUGSコードに直したものに相当し、11～42行目が事前分布の設定になります。ざっと説明します。 ・（3行目, 6行目） mu.yは真の値でそこからノイズ（機器の測定誤差みたいなものを想定）を加えて観測値Yが得られます。 ・（4行目） mu.yの初期値は人によらないbaseline.0と個体差baseline[i]に分けて推定します。このようにするとbaseline.0は無情報事前分布、個体差
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
A simple Approximate Bayesian Computation MCMC (ABC-MCMC) in R
bayesian-inference.com
R: RStanの並列実行: Taglibro de H
いちおう時系列なデータのMCMC: Taglibro de H