CRAN Task View: Bayesian Inferenceの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載した。

Maintainer: Jong Hee Park
Contact: jongheepark at snu.ac.kr
Version: 2017-05-24
URL: https://CRAN.R-project.org/view=Bayesian

ベイズ統計に興味のある応用研究者は、ベイズ推定のためのツールを提供する包括的なRアーカイブ・ネットワーク(CRAN)に貢献したかなりの数のパッケージだけでなく、事後分布からサンプリングするアルゴリズムをコーディングすることの容易さのために、ますますRに引き寄せられます。このタスクビューは、これらのツールをカタログします。 このタスクビューでは、パッケージのスコープとフォーカスに基づいて、これらのパッケージを4つのグループに分けます。 最初に、さまざまなモデルにベイズ推定ツールを提供するRパッケージをレビューします。 その後、特定のベイジアンモデルやベイズ統計に特化した方法に対処するパッケージについて説明します。 これに続いて、推定後解析に使用されるパッケージの説明が続きます。 最後に、RをJAGSOpenBUGSWinBUGSStan などの他のベイジアンサンプリングエンジンにリンクするパッケージを確認します。

一般的なモデルのフィッティングのためのベイズのパッケージ

  • armパッケージは、lmとglm、mer、polrオブジェクトを使用してベイズ推定のためのR関数が含まれています。
  • BACCOは、ランダム関数のベイズ解析のためのRバンドルです。BACCO は、コンピュータプログラムのベイジアンエミュレーションとキャリブレーションを実行する3つのサブパッケージ(エミュレータ、キャリブレータ、および近似器)が含まれています。
  • bayesmは、広くマーケティングやミクロ計量経済学で使用される様々なモデルのベイズ推論にR関数が用意されています。モデルは、有限の法線の混合物ならびにディリクレ過程の事前分布、階層的線形モデル、階層的な多項ロジット、階層的な負の二項を用いた線形回帰モデル、多項ロジット、多項プロビット、多変量プロビット、(クラスタリングを含む)の法線の多変量混合、密度推定を含む回帰モデル、および線形操作変数モデル。
  • bayesSurvは、柔軟なエラーとランダム効果ディストリビューションに生存回帰モデルのベイズ推定を実行するためにR関数が含まれています。
  • DPpackageは、ベイジアンノンパラメトリックおよびセミパラメトリックモデルのR関数が含まれています。DPpackageは現在、密度推定、ROC曲線分析、区間打ち切りデータ、バイナリ回帰モデル、一般化線形混合モデル、IRT型モデルのセミパラメトリックモデルが含まれています。
  • LaplacesDemon は、複数の最適化アルゴリズムをもつラプラス近似、例のスコア、追加の確率分布の数十、多数のMCMC診断、ベイズ因子、事後予測チェック、様々なプロット、誘発、パラメータそして、変数の重要度、および多数の追加のユーティリティ機能、多数のMCMCアルゴリズムを含む完全なベイズ環境を提供するために探します。
  • MCMCpackは、モデル固有の一般的、社会的、行動科学で使用されるモデルの広い範囲のためのマルコフ連鎖モンテカルロ(MCMC)のアルゴリズムを提供します。これは、回帰モデルの数(線形回帰、ロジット、順序プロビット、プロビット、ポアソン回帰など)に合うようにR関数が含まれている、測定モデル(項目反応理論とファクター・モデル)、Changepointのモデル(線形回帰、バイナリープロビット、順序プロビット、ポアソン、パネル)、および生態推論のためのモデル。また、任意のモデルに合わせて使用できる汎用メトロポリスサンプラーが含まれています。
  • mcmcパッケージは、連続確率ベクトルのランダムウォークメトロポリスアルゴリズムの研究機能で構成されています。

特定のモデルやメソッドのためのベイジアンパッケージ

  • abcのパッケージは、パラメータ推定およびモデル選択を行うためのいくつかのABCアルゴリズムを実装する。交差検証ツールはまた、ABC推定の精度を測定するために利用可能であり、異なるモデルの誤分類確率を計算すること。
  • abn は、加法ベイジアンネットワークを用いた多変量データをモデル化するためのパッケージです。 これは、与えられたデータセットのために最適なベイジアンネットワークモデルを決定するのに役立つためのルーチンを提供します。 これらのモデルは、厄介で、複雑なデータで統計的な依存性を識別するために使用されています。
  • AdMitは、そのカーネル関数を介してターゲット密度の学生の-t分布の適応型混合物のフィッティングを実行するための機能を提供します。混合物を近似重要度サンプリングにおいて重要密度として、またはメトロポリス・ヘイスティングス・アルゴリズムにおける候補密度として使用することができる。
  • BaBooNパッケージは、欠落したデータを転嫁乗算するマッチングベイズストラップ予測平均値の2亜種が含まれています。
  • BAS パッケージは、g-事前分布とg-事前分布の混合を使用して、回帰モデルのためのBMAを実装しています。 BAS は、交換せずにモデルをサンプリングするための効率的なアルゴリズムを利用しています。
  • bayesGARCHパッケージは、スチューデントのtの技術革新とGARCH(1,1)モデルのベイズ推定を実行する機能が用意されています。
  • bayesImageS は、隠れたポッツモデルを使用したベイジアン画像解析のためのRパッケージです。
  • bayesmeta は、共通のランダム効果モデルフレームワーク内でメタアナリシスを実行するためのRパッケージです。
  • BayesSummaryStatLMは、2つの機能を提供します。データの要約統計を計算する一つの機能。要約統計量を入力として使用されるベイズの線形回帰モデルのMCMC事後サンプリングを行う一つの機能。
  • Bayesthresh は、モンテカルロマルコフ連鎖によるベイジアン推論を用いて、序列的なカテゴリー応答に線形混合モデルを適合させる。 デフォルトはNandranとChenのアルゴリズムで、ガウスリンク関数を使用し、チェーンのサマリーだけを保存します。
  • BayesTreeは、チップマン、ジョージ、マカロック(2006)によってBART(ベイズ加法回帰木)を実装します。
  • bayesQRは、連続だけでなく、バイナリの従属変数の両方、非対称ラプラス分布を用いたベイズ分位回帰をサポートしています。
  • BayesVarSel は、線形モデルのベイズ係数を計算し、次にテストと変数選択の問題に対する正式なベイジアンの答えを提供します。
  • BayHazは、化合物ポアソンプロセス(CPP)事前分布を経由して、滑らかな危険率のベイズ推定のためのR関数のスイートが含まれています。
  • BAYSTARは、閾値自己回帰モデルのベイズ推定のための関数が用意されています。
  • bbemkrは、ガウスエラーでNadaraya・ワトソン型多変量カーネル回帰のためのベイズの帯域幅推定を実装しています。
  • BCEは、ベイズアプローチを使用してバイオマーカーデータから推計分類学的組成物にする機能が含まれています。
  • BCBCSFは、遺伝子発現データとして選択された高次元の特徴に基づいて、個別の応答を予測するための機能を提供する。
  • bclustは、モデルで定義された自然な距離と対数事後との系統樹を構築します。また、実装ベイジアンクラスタリングに相当ベイズ識別確率を計算することができる。スパイク・アンド・スラブモデルは、クラスタリング、判別変数に対する重要度の尺度を生成することができるようにする方法を採用する。
  • bcpは、バリーとハーティガン製品パーティションモデルを使用してChangepointの問題のベイズ解析を実装しています。
  • bisoregは、バーンスタイン多項式とベイズ等張回帰を実装しています。
  • BLRは、収縮方法の異なるタイプを使用してパラメトリック回帰モデルに合うようにRの機能を提供する。
  • BMAパッケージは、線形モデルのためのベイズモデル平均化するための関数、一般化線形モデル、および生存モデルを持っています。補完的なパッケージensembleBMAは正規分布の混合物を使用してアンサンブルの確率的な予測を作成するためにBMAのパッケージを使用しています。
  • BMSは、(カスタマイズ可能)事前分布の幅広い選択肢を持つ線形モデルのベイズモデル平均化ライブラリです。組み込み事前分布は、係数(固定、柔軟かつハイパーG事前分布)事前分布、およびモデル事前分布の5種類があります。
  • Bmixは、粒子の学習とギブスサンプリング静的DP混合物について、動的なBARスティック破りの学習粒子、およびDP混合回帰を含むベイジアンスティック破り(かろうじてDP)混合モデルの様々なサンプリングアルゴリズムの最低限の実装です。
  • bnlearnは、(制約ベース、スコアベースおよびハイブリッドアルゴリズムを経由して)学習ベイジアンネットワーク構造のパッケージに、パラメータ学習(MLとベイズ推定を経て)推論である。
  • BoomSpikeSlab は、確率的探索変数選択アルゴリズムを介して、スパイクやスラブ回帰を行うための機能を提供します。 それはプロビット、ロジット、ポアソン、およびスチューデントのTデータを処理します。
  • bqtlは、量的形質遺伝子座(QTL)のモデルを適合するために使用することができる。このパッケージには、ラプラス近似を経由してマルチ遺伝子モデルのベイズ推定を可能にし、遺伝子座の区間マッピングするためのツールが用意されています。パッケージには、QTL解析のためのグラフィカルツールが含まれています。
  • bridgesampling は、ブリッジサンプリングの異なるバージョン(Meng and Wong、1996)を介して、周辺尤度、ベイズ因子、事後モデル確率、および一般化定数を推定するためのR関数を提供します。
  • bspecは、時系列の(離散)パワースペクトル上でベイズ推定を行います。
  • bspmmaは、メタ分析のためのベイズセミパラメトリックモデルのパッケージです。
  • BSquareモデル予測因子の関数として分位プロセス。
  • bsts は、MCMCを用いた動的な線形モデルを使用して、時系列の回帰のためのパッケージです。
  • BVSは、ベイズバリアント選択と遺伝的関連研究のためのベイズモデルの不確実性技術のためのパッケージです。
  • coalescentMCMCは、Rの合祖分析のための柔軟なフレームワークを提供します。
  • catnetは、離散ベイジアンネットワークモデルを処理し、頻度のアプローチを使用して推論を提供するパッケージです。
  • dclone は、データクローニングとMCMCメソッドを使用して複雑なモデルの最尤推定手順を実装するための低レベル関数を提供します。
  • dealは、ベイジアンネットワーク解析のためのR関数を提供します。現在のバージョンでは、ベイジアンネットワーク構造の下で、離散と連続変数をカバーしています。
  • deBInfer は、MCMC法を使用して、微分方程式のベイジアンパラメータ推論にR関数を提供します。
  • dlmは、ベイズのパッケージ(尤度)の動的線形モデルの分析である。これは、カルマンフィルタスムーズで前方フィルタリング後方サンプリングアルゴリズムの計算が含まれています。
  • EbayesThreshは、閾値処理方法のためのベイズ推定を実装しています。オリジナルモデルは、ウェーブレットの文脈で開発されていますが、研究者はパラメータセットで可能スパースを利用するために必要がある場合、このパッケージには、便利です。
  • ecoは、MCMC法を用いて2つのテーブルによって2におけるベイズ生態推論モデルに適合します。
  • ebdbNetは、動的ベイジアンネットワークに基づいて、経験的ベイズ推定手順を使用して、時間経過データから、ネットワークの隣接行列を推定するために使用することができる。
  • eigenmodelは、MCMC法を用いたモデルベースの固有値分解し、回帰を使用して、対称的なリレーショナルデータのためのモデル(例えば、正方行列の上対角部分)のパラメータを推定。
  • evdbayesは、極値モデルのベイズ分析のためのツールを提供します。
  • exactLoglinTestは、フィットテストの良さのために、条件付きP値のモンテカルロ推定を計算する対数線形モデルのための機能を提供します。
  • factorQRは、計画行列の少なくとも一部を因子構造を仮定したベイズ分位回帰モデルにフィットするパッケージです。
  • FMEは、モンテカルロ、感度と識別可能性分析を実行するために、データへのフィットモデルで支援する機能を提供します。これは、モデルが溶解するまで積分ルーチンのいずれかによって解決される微分方程式のセット、またはrootSolveから定常状態ソルバとして書くことで動作するように意図されている。
  • Hmisc中gbayes()関数は、後方を導出(オプションで)前と可能性の両方がガウスである予測分布を、関心のある統計量は2標本問題から来るとき。
  • ggmcmcは、評価し、診断マルコフ連鎖モンテカルロシミュレーションの収束を、だけでなく、グラフィカルにフルMCMC解析の結果を表示するためのツールです。
  • gRain は、ベイジアンネットワークまたは確率的エキスパートシステムとも呼ばれるグラフィカル独立ネットワークにおける確率伝搬のパッケージです。
  • growcurvesは、さらに、複数のメンバーシップのランダム効果を含むベイジアン半とノンパラメトリック成長曲線モデルのためのパッケージです。
  • HIパッケージは、transdimensional MCMC法とランダムな方向多変量適応拒否メトロポリスサンプリングの幾何学的なアプローチを実現するための機能を備えています。
  • hbsaeパッケージは、基本領域または単位レベルのモデルに基づいて、小面積の推定値を計算するための関数が用意されています。モデルは、制限された最尤法を使用して、または階層ベイズの方法で適合している。
  • iterLapは、(混合分布を使用して)、後の世界的な近似を構築するために、反復ラプラス近似を実行し、シミュレーションベースの推論に重点サンプリングを使用しています。
  • geoRパッケージ内の関数krige.bayes()は、モデルパラメータの不確実性の異なるレベルの仕様を許可する統計データのベイジアン解析を実行します。geoRglmパッケージにbinom.krige.bayes()関数は二項空間モデルに対するベイズ事後シミュレーションと空間予測を(詳細については、Spatialビューを参照)を実装します。
  • lmmパッケージは、MCMC法を用いた線形混合モデルに合うようにR関数が含まれています。
  • MasterBayes は、分子マーカーおよび表現型データから推定される家系図の構成における不確実性を超えて統合するためのMCMCメソッドを実装するRパッケージです。
  • matchingMarketsは、内因性のマッチング(例えば、グループ形成または両面マッチング)からのバイアスを補正するためにギブスサンプラーに基づく構造モデルを実装しています。
  • MCMCglmmは、MCMC法を用いて、一般化線形混合モデルをフィッティングするためのパッケージです。
  • lme4内のmcmcsamp()関数は、線形混合モデルと一般化線形混合モデルのためのMCMCサンプリングを可能にする。
  • mlogitBMAは、多項ロジット(MNL)データに適用することができるBMAパッケージの変更された機能bic.glm()を提供します。
  • MNPパッケージは、MCMC法を用いて、多項プロビット・モデルに適合します。
  • mombfは、MOM、EMOMとiMOM事前分布を含む非ローカル事前分布に基づくモデル選択を行う..
  • monomvnは、欠損データのパターンが単調で任意の次元の多変量正規およびスチューデント-Tデータの推定のためのRパッケージです。
  • MSBVARは、ベイズベクトル自己回帰モデルを推定するためのRパッケージおよびベイズの構造ベクトル自己回帰モデルである。
  • pacbpredは、ビューとMCMCアルゴリズムのまばらなPAC-ベイズポイントを使用して、高次元の加法モデルにおける推定と予測を行う。
  • PottsUtilsは、無向グラフで定義されたポッツモデルに関連するいくつかの機能を備えている。
  • predmixcorは、ベイズ混合モデルを用いてモデル化、高次元のバイナリ機能に基づいてバイナリ応答を予測するための機能を提供します。
  • prevalenceは、ベイズの枠組みで明らか有病率からの真の有病率を推定するための関数が用意されています。MCMCサンプリングはJAGS/rjagsを介して行われる。
  • profdpmは、製品のパーティションモデルのクラスのプロファイル推論(事後モードでの推論)を容易にします。
  • psclパッケージは、MCMC法を用いて項目反応理論モデルに合うようにし、ベータ分布と逆ガンマ分布のための最高密度の領域を計算するためにRの機能を提供する。
  • PAWLパッケージは、マルチモーダル目標分布からのサンプリングのための並列の適応メトロポリス-ヘイスティングスと逐次モンテカルロサンプラーを実装しています。
  • PReMiuMは、応答が共変量プロファイルにnonparametricallyリンクされているディリクレ過程ベイズクラスタリングされているプロファイルの回帰のためのパッケージです。
  • revdbayes は、極端な値の事後分布からの直接ランダムサンプリングを使用した極値モデルのベイズ解析のための関数を提供します。
  • RJaCGHパッケージは、隠れマルコフ連鎖モデルを用いたCGHマイクロアレイのベイズ解析を実装しています。状態の数の選択は、可逆ジャンプマルコフ連鎖モンテカルロ法によって計算されたそれらの事後確率を介して行われる。
  • Runuran内のhitro.new()関数は、比率・オブ・ユニフォーム方法との組み合わせでひき逃げアルゴリズムに基づくMCMCサンプラーを提供しています。
  • RSGHBは、階層ベイズのフレームワークを使用してモデルを推定するために使用し、ユーザの代わりに、所定のモデル構造を仮定しての直接尤度関数を指定することを可能に柔軟性を提供することができる。
  • rstiefelは、ギブスサンプリング法を用いたスティーフェル多様体上の線形および二次指数関数的な家族の分布からのランダムな直交行列をシミュレートします。カバーさ分布の最も一般的なタイプは、行列変量ビンガム・フォン・ミーゼス・フィッシャー分布である。
  • RxCEcolInfは、グライナーとクイン(2009)に記載のR x C型推論モデルに適合します。
  • SamplerCompareは、これらのシミュレーションの結果を可視化するための関数をプロットするとともに、チューニングパラメータの様々なディストリビューションのセットにMCMCサンプラーのセットを実行するためのフレームワークを提供します。
  • SampleSizeMeansは、通常の平均値または2通常の方法の違いを推定するための実験を設計するのコンテキストで三つの異なるベイズ基準を使用してサンプルサイズ要件を計算するためのR関数のセットが含まれています。
  • SampleSizeProportionsは、2項分布の比率の違いを推定するための実験を設計するのコンテキストで三つの異なるベイズ基準を使用してサンプルサイズ要件を計算するためのR関数のセットが含まれています。
  • sbgcopは、ホフ(2007年)に記載されている迷惑パラメータとして単変量周辺分布の治療、ガウス・コピュラのパラメータを推定する。また、多変量データの欠落のためのセミパラメトリック補完手順が用意されています。
  • SimpleTableは、2×2から因果効果をベイズ推定と感度分析を実施し、2×2×Kのテーブルに一連のメソッドが用意されています。
  • sna、社会ネットワーク分析のためのRパッケージは、ギブスサンプリングを使用したバットのベイジアンネットワーク精度モデルから事後サンプルを生成する関数が含まれています。
  • spBayesは、MCMC法を用いて、単変量だけでなく、多変量ポイント・参照されるデータのためにガウス空間プロセスモデルをフィットR関数が用意されています。
  • spikeslabは、スパイクとスラブ回帰を用いて予測し、変数選択のための機能を提供します。
  • spikeSlabGAMは、ベイズ変数選択、モデルの選択、および二項のガウスのための(地理)添加剤混合モデルにおける正則推定を実装し、ポアソン応答。
  • spTimer は、Bayesian Gaussian Process Models、Bayesian Auto-Regressive(AR)モデル、およびBayesian Gaussian Predictive Processesに基づくARモデルを使用して、大量の時空間データを空間的に予測し、時間的に予測します。
  • stochvolは、確率変動率(SV)モデルの完全ベイズ推定のための効率的なアルゴリズムを提供します。
  • tgpパッケージは、ベイズ木が植えられたガウス過程モデルを実装しています。空間的モデリングと回帰パッケージが完全ベイジアンMCMC事後単純な線形モデルから、非定常木が植えられたガウス過程に至るまでのモデルの推論、およびその間に他の人を提供する。
  • vbmpは、ガウス過程の事前分布と変分ベイズ多項検認回帰のパッケージです。これは、完全な後方に変スパースな近似を採用し、クラスメンバーシップ事後確率を推定する。このソフトウェアは、自動関連性決定によって機能の重み付けが組み込まれています。
  • mgcv パッケージのvcov.gam()関数は、フィッティングされたgamオブジェクトからパラメータのベイジアン後方共分散行列を抽出できます。
  • zicは、確率的探索変数選択を含め、ゼロ膨張した回数モデルのMCMC解析のための関数が用意されています。

ポスト推定ツール

  • BayesValidateは、ベイズソフトウェアのためのソフトウェア検証メソッドを実装します。
  • boaパッケージは、診断、要約、およびMCMC系列の可視化のための機能を提供します。これは、BUGSの形式から、またはプレーン行列から引くインポートします。boaはゲルマンとルービン、Geweke、ハイデルベルグとウェルチを提供し、ラフテリーとルイス診断、ブルックスとゲルマンは、要因を縮小多変量。
  • coda(収束診断と出力解析)パッケージは、MCMCサンプルから収束を診断、要約プロットとするために使用できる機能のスイートです。codaはまた、他のパッケージで使用されるmcmcオブジェクトおよび関連する方法を定義しています。これは、簡単にWinBUGSソフトウエア、OpenBUGS、およびJAGS、またはプレーンなマトリックスからのMCMCの出力をインポートすることができます。codaはゲルマンとルービン、Geweke、ハイデルベルグとウェルチ、およびラフテリールイス診断が含まれています。
  • ramps は、再パラメータ化され、周辺的な事後サンプリングアルゴリズムを使用して、ガウスプロセスのベイジアン地震統計解析を実装します。

ベイズ統計を学習するためのパッケージ

  • AtelieRは、統計的推論の基本的な概念を教え、そして小学校ベイズ統計(プロポーション、多項数、平均と分散に関する推論)を行うためのGTKインタフェースです。
  • (CRCプレス、2007年):BaMパッケージは、ジェフ・ギルの著書、「社会・行動科学的アプローチ第2版ベイズ法」に関連したRパッケージです。
  • BayesDAは、アンドリュー・ゲルマン、ジョン・B・カーリン、ハル・S.スターン、そしてドナルド・B.ルービンによって「ベイズデータ分析、第2版」(CRCプレス、2003年)のためのR関数とデータセットが用意されています。
  • Bolstadパッケージは、ボルスタッド、WMによるベイズ統計を予約する概要については、R関数やデータセットのセットが含まれています(2007年)。
  • LearnBayesパッケージは、ベイズ統計的推論の基本的な教義を学ぶのに役立つ関数のコレクションが含まれています。これは、基本的な1とユーザによって定義された事後分布を要約するための2つのパラメータ事後分布と予測分布とMCMCアルゴリズムを要約するための関数が含まれています。また、回帰モデル、階層的なモデル、ベイズテスト、ギブスサンプリングのイラスト関数が含まれています。

他のサンプリングエンジンにRをリンクパッケージ

  • bayesmixは、JAGSを使用してベイズ混合モデルに合わせてRパッケージです。
  • BayesXは、ソフトウェアパッケージBayesXで得られた推定結果を探索し、視覚化するための機能を提供します。
  • Boom は、マルコフ連鎖モンテカルロ法に重点を置いて、ベイジアンモデリングのためのC++ライブラリを提供します。
  • BRugsはOpenBUGSへのRインターフェースを提供します。これはWindowsとLinuxで動作します。 BRAGは以前はCRANから入手可能でしたが、現在はCRANextras リポジトリにあります。
  • cudaBayesregは、計算統合デバイスアーキテクチャの脳のfMRIデータの解析のためのベイズマルチレベルモデルの(CUDA)の実装を提供します。CUDAはNVIDIAのGPU上で超並列ハイパフォーマンス・コンピューティングのためのソフトウェアプラットフォームです。
  • WinBUGSソフトウエアとRとのインタフェースに使用できる2つのパッケージがあります。R2WinBUGSは、WindowsシステムとLinuxシステム上でWindowsのOS上で稼働するBUGSソフトウエアを呼び出すための関数のセットを提供します。rbugsは、Linux(LinBUGS)上OpenBUGSを通じてLinuxシステムをサポートしています。
  • glmmBUGS は、BUGSモデルファイルを作成し、データをフォーマットし、一般化された線形混合モデルの開始値を作成します。
  • nimble は、MCMC、シーケンシャルモンテカルロ、ユーザが作成したアルゴリズムなど、BUGS言語を使用して指定された階層モデルにさまざまなアルゴリズムを適用することを可能にする柔軟なシステムです。 アルゴリズムコードは自動的にC ++に変換され、コンパイルされ、Rから使用するためにリンクバックされます。
  • rjagsR2jags、およびrunjagsJust Another Gibbs Sampler (JAGS) とR・インタフェースを提供する3つのパッケージがあります。
  • これらのBUGSのエンジンはすべて、モデルの仕様のためのグラフィカルなモデルを使用しています。このように、gRのタスクビューは、関心のものであってもよい。
  • rstanは、解析、検定、推定値を編集し、 `StanHeaders’パッケージで提供されたヘッダーのみのStanライブラリにアクセスすることにより、Stanモデルを解析するためのR関数を提供します。Stanプロジェクトは、完全ベイズ統計MCMCを経由して推論と最適化を経由して(必要に応じてペナルティ付き)最尤推定を実装する確率的プログラミング言語を開発しています。

ベイズ推論タスクビューは、Jong Hee Park(ソウル大学、韓国)、Andrew D. Martin(ワシントン大学、セントルイス、MO、USA)、およびKevin M. Quinn(UCバークレー校、バークレー、CA、米国)によって書かれている。提案をtask view maintainerに電子メールを送ってください。

R言語 CRAN Task View:ベイズ推論

One thought on “R言語 CRAN Task View:ベイズ推論

Comments are closed.