Les modèles hiérarchiques de Bayes sont couramment utilisés dans le marketing, les sciences politiques et l'économétrie. Pourtant, le seul paquet que je connaisse est bayesm, qui est vraiment un compagnon d'un livre (Bayesian Statistics and Marketing, par Rossi, et al.) Ai-je raté quelque chose? Existe-t-il un progiciel pour R ou Python exécutant le travail et/ou un exemple élaboré dans la langue associée?Bayes hiérarchiques pour R ou Python
Voici quatre livres sur la modélisation hiérarchique et l'analyse bayésienne écrits avec du code R dans tous les livres.
hiérarchique Modélisation et analyse des données spatiales (monographies sur les statistiques et la probabilité appliquée) (Relié) http://www.amazon.com/gp/product/158488410X
Analyse des données en utilisant la régression et modèles multi-niveaux/hiérarchique (Broché) http://www.amazon.com/Analysis-Regression-Multilevel-Hierarchical-Models/dp/052168689X/ref=pd_sim_b_1
Bayesian Computation avec R (Use R) (Broché) http://www.amazon.com/Bayesian-Computation-R-Use/dp/0387922970/ref=pd_bxgy_b_img_c
Modélisation hiérarchique pour les sciences de l'environnement: méthodes statistiques et ions (Oxford Biology) (Broché) (Je suppose que celui-ci a du code R car les deux auteurs utilisent beaucoup R)
Je connais des livres en python qui se prêtent à l'analyse multivariée (Intelligence Collective, par exemple) mais je n'ai pas vu tout ce qui plonge vraiment dans la modélisation bayésienne ou hiérarchique.
Il existe des packages d'aide OpenBUGS et R. Consultez le site de Gelman pour son livre, qui a la plupart des liens pertinents:
Du côté Python, je ne connais PyMC:
EDIT: Ajout d'un lien vers l'annexe appropriée du livre de Gelman, disponible en ligne, pour un exemple utilisant R et BUGS.
Il existe quelques modèles hiérarchiques dans MCMCpack pour R, qui, à ma connaissance, est l'échantillonneur le plus rapide pour de nombreux types de modèles courants. (J'ai écrit le modèle [réponse d'élément hiérarchique] [2] dedans.)
[RJAGS] [3] fait ce que son nom sonne. Codez un modèle .bug à saveur de jags, fournissez des données dans R et appelez Jags à partir de R.
Le package lme4, qui estime les modèles hiérarchiques utilisant des méthodes fréquentistes, possède une fonction appelée mcmcsamp qui vous permet d'échantillonner à partir de la postérieure. distribution du modèle en utilisant MCMC. Cela ne fonctionne actuellement que pour les modèles linéaires, malheureusement.
en python, essayez PyMC.Voici un exemple de modélisation multi-niveaux: http://groups.google.com/group/pymc/browse_thread/thread/c6ce37a80edf7f85/1bfd9138c8db891d
J'ajouterais que PyMC est assez proche de WinBUGS (dans mon expérience) que si vous avez un texte qui vous enseigne avec WinBUGS (ou probablement JAGS), vous pouvez facilement écrire votre propre code PyMC. –
J'applique des modèles Bayes hiérarchiques dans R en combinaison avec JAGS (Linux) ou parfois WinBUGS (Windows ou Wine). Consultez le livre d'Andrew Gelman, comme mentionné ci-dessus.
D'une manière générale, ce sont trois sujets de science informatique essayer d'éviter. Pardon. – NoMoreZealots
Je suis tellement heureux que les informaticiens essaient d'éviter le marketing, la science-fiction et l'économétrie. S'ils décidaient d'entrer dans ces domaines, je prévois que mon salaire serait réduit de moitié par la concurrence! Mais ce serait un problème économique, je présume. :) –