Иерархические модели Байеса обычно используются в маркетинге, политологии и эконометрике. Тем не менее, единственным пакетом, который я знаю, является bayesm, который действительно является компаньоном для книги (Bayesian Statistics and Marketing, Rossi и др.). Я что-то упустил? Есть ли программный пакет для R или Python, выполняющий эту работу, и/или отработанный пример на связанном языке?
Иерархические байесов для R или Python
Ответ 1
Вот четыре книги по иерархическому моделированию и байесовскому анализу, написанные с использованием кода R на протяжении всех книг.
Иерархическое моделирование и анализ пространственных данных (монографии по статистике и прикладной вероятности) (в твердом переплете) http://www.amazon.com/gp/product/158488410X
Анализ данных с использованием регрессионных и многоуровневых/иерархических моделей (мягкая обложка) http://www.amazon.com/Analysis-Regression-Multilevel-Hierarchical-Models/dp/052168689X/ref=pd_sim_b_1
Байесовское вычисление с R (используйте R) (мягкая обложка) http://www.amazon.com/Bayesian-Computation-R-Use/dp/0387922970/ref=pd_bxgy_b_img_c
Иерархическое моделирование для наук об окружающей среде: статистические методы и приложения (Oxford Biology) (Мягкая обложка) (я предполагаю, что у этого есть R-код, поскольку оба автора широко используют R)
Я знаю, что некоторые книги по питону увлекаются многомерным анализом (Коллективный разум, например), но я не видел ни одной, которая действительно углублялась бы в байесовское или иерархическое моделирование.
Ответ 2
Есть пакеты поддержки OpenBUGS и R. Проверьте сайт Гельмана для своей книги, в которой есть большинство соответствующих ссылок:
На стороне Python я знаю только PyMC:
EDIT: добавлена ссылка на соответствующее приложение из книги Гельмана, доступное в Интернете, например, с использованием R и BUGS.
Ответ 3
Есть несколько иерархических моделей в MCMCpack для R, что, насколько мне известно, является самым быстрым сэмплером для многих распространенных типов моделей. (Я написал в нем [иерархический элемент ответа] [2].)
[RJAGS] [3] делает свое имя. Составьте код с жужжащей моделью .bug, введите данные в R и вызовите Jags из R.
Ответ 4
в python, попробуйте PyMC. Ниже приведен пример многоуровневого моделирования: http://groups.google.com/group/pymc/browse_thread/thread/c6ce37a80edf7f85/1bfd9138c8db891d
Ответ 5
Я применяю иерархические модели Байеса в R в сочетании с JAGS (Linux), а иногда WinBUGS (Windows или Wine). Обратите внимание на книгу Эндрю Гельмана, о которой говорилось выше.
Ответ 6
В пакете lme4, который оценивает иерархические модели с использованием методов частых, имеет функцию mcmcsamp, которая позволяет вам выбирать из заднего распределения модели с использованием MCMC. В настоящее время это работает только для линейных моделей, к сожалению.
Ответ 7
Этот ответ приходит с опозданием почти на десять лет, но, надеюсь, он поможет кому-то в будущем.
Пакет brms в R является очень хорошим вариантом для байесовских иерархических/многоуровневых моделей, использующих синтаксис, очень похожий на пакет lme4.
Пакет brms использует вероятностный язык программирования Стэна сзади, чтобы сделать выводы. Стэн использует более продвинутые методы выборки, чем JAGS и BUGS, такие как гамильтониан Монте-Карло, который обеспечивает более эффективные и надежные выборки из апостериорного распределения.
Если вы хотите смоделировать более сложные явления, то вы можете использовать пакет rstan для компиляции моделей Stan из R. Существует также Python альтернатива PyStan. Однако, чтобы сделать это, вы должны научиться использовать Stan.