pyABC: Efficient and robust easy-to-use approximate Bayesian computation
Python包pyABC提供了近似贝叶斯计算(ABC)的框架,ABC是一种在许多研究领域流行的无似然参数推断方法。在其核心,它实现了一个顺序蒙特卡罗(SMC)方案,具有各种算法来适应问题结构并自动调整超参数。为了扩展到计算昂贵的问题,它为多核和分布式系统提供了有效的并行化策略。该软件包是高度模块化的,设计易于使用。在对pyABC的这次重大更新中,我们实现了几种高级算法,这些算法可以促进对各种数据和模型类型的有效和鲁棒的推理。特别是,我们实现算法来考虑噪声,自适应缩放归一化距离度量,稳健地处理数据离群值,通过回归模型阐明信息数据点,通过基于最佳传输的距离规避汇总统计,并通过预测接受率曲线来避免接受阈值序列中的局部最优值。此外,除了先前对Python和R的支持外,我们还提供了Julia语言、COPASI模拟器和PEtab标准的接口。
2022-03-24 q-bio.QM stat.CO
The R Package JMbayes for Fitting Joint Models for Longitudinal and Time-to-Event Data using MCMC
纵向和时间-事件数据的联合模型构成了一个有吸引力的建模框架,近年来受到了很大的关注。本文介绍的能力,R包JMbayes拟合这些模型下的贝叶斯方法,使用马尔可夫链蒙特卡罗算法。JMbayes可以拟合广泛的联合模型,其中包括连续和分类纵向响应的联合模型,并提供了几种用于对两个结果之间的关联结构进行建模的选项。此外,该软件包可用于推导这两种结果的动态预测,并提供了几种工具来验证这些预测的歧视和校准。所有这些功能说明使用一个真实的数据例原发性胆汁性肝硬化患者。
2014-04-30 stat.AP stat.CO
Ensemble Markov chain Monte Carlo with teleporting walkers
我们介绍了一个集成马尔可夫链蒙特卡罗方法从概率密度与已知的可能性进行采样。该方法通过允许这样的链的集合经由一个过程相互作用来升级底层马尔可夫链,在该过程中,一个链的状态被克隆,而另一个链的状态被删除。这种有效的状态隐形传态可以克服底层链中的亚稳态问题,因为一旦目标密度的模式被填充,该方案就可以快速混合。我们推导出一个平均场极限的合奏的演变。我们分析了这个平均场极限的全局和局部收敛性,表现出独立于底层马尔可夫链的谱间隙的渐近收敛性,此外,我们解释了作为梯度流的极限演化。我们解释了如何互动可以选择性地应用到状态变量的子集,以保持优势非常高维的问题。最后给出了该方法在高斯过程回归贝叶斯超参数估计中的应用。
2021-06-04 cs.NA math.NA math.PR
BDSAR: a new package on Bregman divergence for Bayesian simultaneous autoregressive models
BDSAR是一个R软件包,可估计概率分布之间的距离,并促进对同步自回归(SAR)空间模型类中的贝叶斯模型进行动态且强大的诊断分析。该软件包提供了一个新的和精细的图来比较模型,以及它以直观的方式工作,让任何分析师可以轻松地建立精细的图。这些有助于促进对数据中有影响力的观察的见解。
2017-04-24 stat.CO
Implementing Approximate Bayesian Inference using Adaptive Quadrature: the aghq Package
介绍了用自适应求积实现近似贝叶斯推断的aghq软件包。该方法和软件进行了描述,并说明了在几个具有挑战性的低维和高维模型的近似贝叶斯推断包的使用。例子包括传染病模型;用于估计银河系质量的天体统计模型;基于非高斯模型的地质统计学中的两个例子,包括一个包含零膨胀的例子,这是不容易使用其他方法拟合的;零膨胀,过度分散计数数据的模型。aghq软件包与用于自动微分和拉普拉斯近似的流行的TMB接口特别兼容,并且该软件的现有用户可以使用非常少的附加代码使用aghq进行近似贝叶斯推断。aghq包可以从CRAN获得,本文中所有示例的完整代码可以在https://github.com/awstringer1/aghq-software-paper-code上找到。
2021-06-21 stat.CO
BayesChange: an R package for Bayesian Change Point Analysis
University of Milano-Bicocca(米兰比可卡大学)
本文介绍基于C++的高效R包BayesChange,用于贝叶斯变点检测与共享变点的观测聚类,提供现有R包所不具备的方法,并通过合成示例验证其可用性。
2025-11-06 stat.CO
dirichletprocess: An R Package for Fitting Complex Bayesian Nonparametric Models
University of Edinburgh(爱丁堡大学);University College London(伦敦大学学院);IIT Kanpur(坎普尔印度理工学院)
该研究介绍了一个R包,提供灵活的Dirichlet过程对象,允许用户无需编程即可进行非参数贝叶斯分析,支持自定义模型和MCMC采样。
2026-05-02 stat.CO
High-Dimensional Bayesian Regularised Regression with the BayesReg Package
贝叶斯惩罚回归技术,如贝叶斯套索和贝叶斯马蹄估计,最近在统计文献中受到了大量的关注。然而,在通用马尔可夫链蒙特卡罗平台(如STAN)之外,实现最先进的贝叶斯惩罚回归的软件相对较少。本文介绍了一个新的工具箱bayesreg,用于拟合具有连续收缩先验密度的贝叶斯惩罚回归模型。该工具箱的特点是具有高斯或重尾误差模型的贝叶斯线性回归和具有岭、套索、马蹄和马蹄$+$估计量的贝叶斯逻辑斯谛回归。该工具箱是免费的,开源的,可用于MATLAB和R数值平台。
2016-12-20 stat.CO
The Bayesian analysis of contingency table data using the bayesloglin R package
对于对数线性分析,超狄利克雷共轭先验可用于贝叶斯范式。有了这个先验,MC 3算法允许探索模型的空间,试图找到那些具有最高后验概率的模型。一旦确定了最佳模型,就可以构建块吉布斯采样器来从后验分布中采样并估计感兴趣的参数。本文的目的是介绍bayesloglin R包\citep{R},其中包含执行这些任务的函数。
2016-12-16 stat.CO
BayesBD: An R Package for Bayesian Inference on Image Boundaries
我们提出了BayesBD包提供贝叶斯推断噪声图像的边界。BayesBD软件包实现了灵活的高斯过程先验,通过圆索引来恢复二进制或高斯噪声图像中的边界,具有对估计边界的保证几何限制,(接近)最小最大最优和平滑自适应收敛速度以及在某些假设下方便的联合推断的优点。我们的模型的核心采样任务具有线性复杂性,并且我们使用Rcpp和RcppArmadillo包在c++中的实现在计算上是高效的。用户可以在Rgui和相应的shiny应用程序中访问包的全部功能。此外,该软件包还包括许多实用功能,以帮助用户准备数据和分析结果。我们使用模拟和实际数据应用程序与选定的现有软件包进行比较,并展示了BayesBD的出色性能和灵活性,即使观察包含可能违反其假设的复杂结构信息。
2017-08-21 stat.CO
The R Package BHAM: Fast and Scalable Bayesian Hierarchical Additive Model for High-dimensional Data
BHAM是一个免费的R包,它为高维临床和基因组数据实现了贝叶斯分层加性模型。该软件包包括广义可加模型和Cox加性模型的功能,与穗和板LASSO事先。这些函数实现了可扩展且稳定的算法来估计参数。BHAM还提供了效用函数来构建高维设置中的加性模型,选择最佳模型,总结双水平变量选择结果,并可视化非线性效应。该软件包可以促进大规模分子数据的灵活建模,即检测易感变量和推断疾病诊断和预后。在这篇文章中,我们描述的模型,算法和相关功能实现BHAM。该软件包可通过公共GitHub存储库https://github.com/boyiguo1/BHAM免费获得。
2022-07-05 stat.CO
Bayesian random-effects meta-analysis using the bayesmeta R package
随机效应或正态-正态分层模型常用于广泛的荟萃分析应用中。在这种情况下,贝叶斯推理方法非常有吸引力,特别是当荟萃分析仅基于少数研究时。bayesmeta R包提供了易于访问的工具来执行贝叶斯元分析并生成图表和摘要,而不必担心计算细节。它允许灵活的事先规范和即时访问所产生的后验分布,包括预测和收缩估计,并促进例如快速灵敏度检查。本文介绍了基本理论和展示其使用。
2018-10-10 stat.CO
varstan: An R package for Bayesian analysis of structured time series models with Stan
varstan是一个\proglang{R}软件包,用于使用\proglang{Stan}对时间序列模型进行贝叶斯分析。该软件包提供了一种动态的方式来选择模型,定义各种分布的先验,检查模型的拟合,并使用m-steps ahead预测分布进行预测。用户可以在诸如\textit{multiplicative seasonal ARIMA, dynamic regression, random walks, GARCH, dynamic harmonic regressions,VARMA, stochastic Volatility Models, and generalized t-student with unknown degree freedom GARCH models}的实施模型之间进行广泛的选择。\pkg{varstan}中的每个模型构造器都定义了弱信息先验,但先验规范可以动态灵活地改变,因此先验分布反映了参数的初始信念。对于模型选择,该软件包提供了经典的信息准则:AIC,AICc,BIC,DIC,贝叶斯因子。最近的标准,如广泛适用的信息标准(\textit{WAIC})和贝叶斯留一交叉验证(\textit{loo})。此外,季节性ARIMA和动态回归模型中自动选择顺序的贝叶斯版本可用作时间序列分析的初始步骤。
2020-05-20 stat.CO
Using the bayesmeta R package for Bayesian random-effects meta-regression
背景技术背景:分层正态建模框架内的随机效应荟萃分析通常在广泛的证据合成应用中实现。当考虑元回归方法时,甚至可以解决更一般的问题,该方法还允许包含研究水平的协变量。方法:我们描述了Bayesmeta R包中提供的贝叶斯元回归实现,包括先验的选择,并说明了其实际用途。研究结果:给出了广泛的示例应用,如二进制和连续协变量,子群分析,间接比较和模型选择。提供了示例R代码。结论:bayesmeta包提供了一个灵活的实现。由于避免了MCMC方法,计算速度快,重现性好,便于快速灵敏度检查或大规模模拟研究。
2022-11-25 stat.CO
CaliCo: a R package for Bayesian calibration
在这篇文章中,我们提出了一个最近发布的R包贝叶斯校准。许多工业领域面临着不可行或昂贵的现场实验。这些实验被替换为通过运行数值代码实现的数值/计算机实验。贝叶斯校准旨在通过后验分布估计代码的输入参数,以使代码输出接近可用的实验数据。代码可能是耗时的,而贝叶斯校准意味着大量的代码调用,这使得研究过于繁重。当实验数据与数值代码输出不兼容时,数值代码与物理系统之间也可能出现差异。CaliCo软件包通过四个统计模型处理这些问题,这些模型处理耗时的代码或不处理差异。为用户提供了一个指南,以说明主要功能及其参数。最后,一个玩具的例子是详细使用Calico。这个例子(基于一个真实的物理系统)是在五个维度,并使用模拟数据。
2018-08-29 stat.CO
Bergm: Bayesian exponential random graph models in R
Bergm软件包提供了一个使用马尔可夫链蒙特卡罗(MCMC)算法进行贝叶斯推断的综合框架。它还可以提供图形贝叶斯拟合优度程序,解决模型充分性问题。该软件包使用简单,代表了一种有吸引力的方式分析网络数据,因为它提供了一个完整的不确定性概率处理的优势。Bergm基于ergm软件包,因此它使用相同的模型设置和网络仿真算法。Bergm软件包在过去几年中在速度性能方面不断改进,现在为最终用户提供了一个可行的选择,用于对具有数千个节点的网络进行贝叶斯推断。
2017-03-26 stat.CO
Methods and Tools for Bayesian Variable Selection and Model Averaging in Univariate Linear Regression
在本文中,我们简要回顾了回归模型中变量选择的背景下,贝叶斯方法的模型选择和模型平均的应用有关的主要方法学方面。这包括先前的启发,总结的后验分布和计算策略。然后,我们检查和比较各种公开的{ \tt R}-软件包的实际实现,总结和解释软件包之间的差异,并为应用用户提供建议。我们发现,所有的软件包审查导致非常相似的结果,但有潜在的重要差异的灵活性和效率的包。
2016-12-07 stat.CO
Bayesian spatially varying coefficient models in the spBayes R package
本文描述并说明了spBayes(版本0.4-2)R包中用于拟合空间变系数模型的新功能。新的spSVC函数使用计算效率高的马尔可夫链蒙特卡罗算法,并扩展了仅拟合空间变化截距回归模型的当前spBayes函数,以拟合回归设计矩阵中任意列集的独立或多元高斯过程随机效应。讨论并演示了spSVC的新添加的OpenMP并行化选项,以及用于联合和逐点预测以及模型拟合诊断的帮助函数。所提出的模型的效用说明使用PM10分析在中欧。
2019-12-30 stat.CO
Advanced Bayesian Multilevel Modeling with the R Package brms
brms包允许R用户轻松地指定各种贝叶斯单级和多级模型,这些模型在后台使用概率编程语言Stan进行拟合。支持几种响应分布,其中所有参数(例如,位置、规模和形状),从而允许分布回归。非线性关系可以使用非线性预测项或半参数方法(如样条或高斯过程)来指定。为了使所有这些建模选项在多级框架中成为可能,brms提供了一个直观而强大的公式语法,它扩展了众所周知的lme4公式语法。本文的目的是详细介绍这种句法,并通过四个例子证明它的实用性,每个例子都显示了句法的其他相关方面。
2017-10-15 stat.CO
sanba: An R Package for Bayesian Clustering of Distributions via Shared Atoms Nested Models
本文提出R包sanba,基于共享原子嵌套混合模型解决分组数据的贝叶斯聚类与密度估计问题,提供MCMC和变分推断算法,核心用C++实现,兼顾大规模数据下的计算效率与易用性。
2025-08-13 stat.CO
ddtlcm: An R package for overcoming weak separation in Bayesian latent class analysis via tree-regularization
本文提出R包ddtlcm,通过树正则化贝叶斯潜在类别模型解决弱类别分离和小样本下的估计难题,并提供可视化与Shiny交互工具。
2023-09-20 stat.CO
acebayes: An R Package for Bayesian Optimal Design of Experiments via Approximate Coordinate Exchange
我们描述的R包acebayes,并证明其使用贝叶斯最优试验设计。一个决策理论的方法,采用最优设计最大化的预期效用。为现实问题寻找贝叶斯最优设计是具有挑战性的,因为期望效用通常是棘手的,并且设计空间可能是高维的。该软件包实现了近似坐标交换算法,通过一系列有条件的一维优化步骤来优化(近似)预期效用。在每个步骤中,使用高斯过程回归模型来近似并随后优化作为单个设计坐标(一个可控变量对于一次实验运行所取的值)的函数的预期效用。除了用户自定义效用函数的定制设计问题的功能外,acebayes还提供了为常见的广义线性和非线性模型找到设计的功能。该软件包提供了一个步骤的变化,可以解决的问题的复杂性,使设计可以找到更多的变量和运行比以前可能的。我们提供了四个说明性的例子,不同的复杂性,设计的参数估计,模型选择和预测的目标的方法的应用教程。这些例子展示了以前看不见的acebayes功能。
2018-12-26 stat.CO
New frontiers in Bayesian modeling using the INLA package in R
INLA软件包为各种广泛使用的模型(更正式的是潜在高斯模型类)提供了一种计算效率高的贝叶斯建模和推理工具。它是一个基于非采样的框架,使用稀疏矩阵为贝叶斯推断提供近似结果。这种贝叶斯建模框架的迅速采用植根于该方法的计算效率,并受到大数据时代提出的需求的催化。在本文中,我们提出了新的发展内的INLA包的目的是提供一个计算效率高的机制,贝叶斯推断的相关挑战性的情况。
2019-07-25 stat.CO stat.ME
Bayesian structure learning and sampling of Bayesian networks with the R package BiDAG
R包BiDAG实现了马尔可夫链蒙特卡罗(MCMC)方法,用于贝叶斯网络的结构学习和采样。该软件包包括搜索最大后验(MAP)图和从给定数据的后验分布中采样图的工具。一种新的混合结构学习方法可以在大型图中进行推理。在第一步中,我们通过PC算法或基于先验知识定义一个缩减的搜索空间。在第二步中,迭代顺序MCMC方案进行优化的限制搜索空间内,估计MAP图。从后验分布采样是使用顺序或分区MCMC。模型和算法可以处理离散和连续数据。BiDAG包还提供了MCMC方案的实现,用于动态贝叶斯网络的结构学习和采样。
2021-05-02 stat.CO stat.ML
BayesMallows: An R Package for the Bayesian Mallows Model
BayesMalows是一个R软件包,用于在贝叶斯概率框架中使用Malows秩模型及其有限混合扩展来分析排名或偏好形式的数据。Mallow模型是一个众所周知的模型,它基于这样一个想法,即观察到的排名的概率密度随着其与位置参数的距离的增加而呈指数快速下降。尽管该模型非常流行,但这是第一个允许广泛选择距离的贝叶斯实现,并且可以很好地处理大量要排名的项目。BayesMalows支持foottrule、Spearman、Kendall、Cayley、Hamming和Ulam距离,允许充分利用Malows模型的丰富表现力。这是可能的,这要归功于快速算法的实现,用于在各种距离下近似模型的分区函数。虽然被开发用于计算模型的后验分布,这些算法本身可能是感兴趣的。贝叶斯马洛斯处理非标准数据:部分排名和成对比较,即使在包括非传递偏好模式的情况下。在这种情况下,贝叶斯范式的优势来自于它能够连贯地量化任何感兴趣数量的估计的后验不确定性。这些后验分布对用户来说是完全可用的,并且该软件包附带了用于总结和可视化后验分布的方便工具。
2019-02-22 stat.CO
Bayesian Multivariate Spatial Models for Lattice Data with INLA
用于R编程语言的INLAMSM包提供了一系列用于格点数据的多变量空间模型,这些模型可与INLA包一起用于贝叶斯推断。多元空间模型包括不同的结构来模拟变量的空间变异和变量间的变异。通过这种方式,拟合多变量空间模型变得更快、更容易。使用两个不同的数据集,说明了包中所包括的不同模型的使用:著名的北卡罗莱纳州小岛屿发展中国家的数据和死亡率的三个死因在Comunidad Valenciana(西班牙)。
2020-05-06 stat.CO
nimblewomble: An R package for Bayesian Wombling with nimble
介绍nimblewomble软件包,用于在R环境中用nimble语言执行边界分析,通过特定函数实现高斯过程模型及预测推断,展示基于模型的贝叶斯推断并提供不确定性量化。
2026-07-28 stat.CO stat.ME
A Menu-Driven Software Package of Bayesian Nonparametric (and Parametric) Mixed Models for Regression Analysis and Density Estimation
大多数应用统计学涉及数据的回归分析。本文介绍了一个独立的和菜单驱动的软件包,贝叶斯回归:非参数和参数模型。目前,该软件包为用户提供了83个贝叶斯模型的选择,用于数据分析。它们包括47个贝叶斯非参数(BNP)无限混合回归模型; 5个用于密度估计的BNP无限混合模型;以及31个正态随机效应模型(HLM),包括正态线性模型。78个回归模型中的每一个都处理连续、二元或有序因变量,并且可以处理多水平(分组)数据。所有83个贝叶斯模型都可以处理加权观测的分析(例如,对于荟萃分析),以及左删失、右删失和/或区间删失数据的分析。每个BNP无限混合模型具有分配了各种BNP先验分布之一的混合分布,包括由Dirichlet过程、Pitman-Yor过程(包括归一化稳定过程)、beta(双参数)过程、归一化逆高斯过程、几何权重先验、相关Dirichlet过程或相关无限概率先验定义的先验。软件用户可以点击鼠标选择贝叶斯模型,并通过马尔可夫链蒙特卡罗(MCMC)抽样进行数据分析。采样完成后,软件自动打开文本输出,报告模型后验分布的基于MCMC的估计值和模型对数据的预测拟合。通过鼠标单击其他菜单选项可以生成其他文本和/或图形输出。这包括MCMC收敛分析的输出,以及选定泛函和协变量值的模型后验预测分布的估计。用MATLAB语言编制了BNP回归分析软件,并对实际数据进行了BNP回归分析。
2015-07-14 stat.CO
Efficient Bayesian Modeling of Binary and Categorical Data in R: The UPG Package
本文介绍R语言UPG包,通过边际数据增强技术为多种离散选择模型提供高效且便捷的贝叶斯推断框架,并支持快速生成可视化结果。
2023-06-30 stat.CO stat.ME
BayesSummaryStatLM: An R package for Bayesian Linear Models for Big Data and Data Science
数据科学和大数据研究的最新发展产生了大量的大型数据集,由于计算机内存或存储容量的限制,这些数据集太大而无法进行整体分析。在这里,我们介绍了我们的R包“贝叶斯总结StatLM”的贝叶斯线性回归模型与马尔可夫链蒙特卡罗实现,克服了这些限制。我们的贝叶斯模型仅使用数据的汇总统计数据作为输入;这些汇总统计数据可以从大数据的子集中计算出来,并在子集上进行组合。因此,不需要将完整的数据集全部读入存储器,这消除了用户的任何物理存储器限制。我们的软件包包含R包'ff'及其函数,用于分块读取大数据集,同时计算汇总统计数据。我们描述我们的贝叶斯线性回归模型,包括几个选择的先验分布未知的模型参数,并说明我们的R包使用模拟和真实的数据集的功能和特点。
2015-04-23 stat.AP stat.CO
ShrinkageTrees: An R Package for Bayesian Tree Ensembles for Survival Analysis and Causal Inference
Department of Mathematics, Vrije Universiteit Amsterdam(阿姆斯特丹自由大学数学系)
ShrinkageTrees是一个R包,通过贝叶斯加性回归树模型处理右删失和区间删失生存数据,支持因果推断中的预后和治疗效应分解,并引入深度惩罚、Dirichlet分裂和马蹄铁先验等正则化策略,适用于高维场景。
2026-06-11 stat.CO stat.ME
BayesMortalityPlus: A package in R for Bayesian graduation of mortality modelling
本文介绍 R 软件包 BayesMortalityPlus,它整合 Heligman-Pollard、动态线性平滑及贝叶斯 Lee-Carter 模型,用于死亡率建模、预测与不确定性评估。
2023-06-02 stat.AP stat.CO
SSNbayes: An R package for Bayesian spatio-temporal modelling on stream networks
时空模型被广泛应用于从生态学到流行病学的许多研究领域。然而,大多数协方差函数仅基于欧几里德距离来描述空间关系。在本文中,我们介绍了R包SSNbayes,用于拟合贝叶斯时空模型并对分支流网络进行预测。SSNbayes提供了一个线性回归框架,具有用于合并空间和时间自相关的多个选项。空间依赖性捕获流的距离和流量连接,而时间自相关建模使用向量自回归方法。SSNbayes提供了在整个网络中进行预测的功能,计算不确定性概率和其他概率估计,例如合适栖息地的比例。我们说明了使用流温度数据集收集在美国爱达荷州的包的功能。
2022-02-15 stat.CO stat.ME
fbst: An R package for the Full Bayesian Significance Test for testing a sharp null hypothesis against its alternative via the e-value
假设检验是心理学和认知科学中的一种重要统计方法。然而,原假设显著性检验(NHST)和p值的问题已经被广泛讨论,但很少有有吸引力的替代品存在。本文介绍了fbst R包,它实现了完整的贝叶斯显著性检验(FBST),通过e值来检验一个尖锐的原假设与其替代假设。二十多年前,Pereira等人(1999)引入了FBST的统计理论,从那时起,FBST已被证明是NHST和p值的贝叶斯替代品,具有理论和实践上非常吸引人的特性。fbst包中提供的算法适用于任何贝叶斯模型,只要至少可以在数值上获得后验分布。该软件包的核心功能是提供针对原假设的贝叶斯证据,即e值。此外,可以计算基于渐近参数的p值,并可以生成用于交流和解释结果的丰富可视化。本文给出了认知科学中常用的三个统计过程的例子,演示了如何使用fbst软件包在实践中应用FBST。基于FBST在统计科学中的成功,FBST软件包应该引起心理学和认知科学研究人员的广泛兴趣,并希望鼓励研究人员在对尖锐的原假设进行假设检验时将FBST视为一种可能的替代方案。
2020-06-05 stat.CO stat.ME
A fast, flexible simulation framework for Bayesian adaptive designs -- the R package BATSS
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学单位);School of Public Health and Preventive Medicine, Monash University(莫纳什大学公共卫生与预防医学院);Faculty of Informatics and Data Science, University of Regensburg(雷根斯堡大学信息科学与数据科学学院)
本文提出R包BATSS,用于快速模拟贝叶斯自适应设计,支持多种主要结果类型及常见自适应机制,提供灵活的模块化结构。
2026-07-01 stat.CO stat.ME
BARMPy: Bayesian Additive Regression Models Python Package
本文介绍 Python 包 barmpy,将 BARN 实现为兼容 SciKit-Learn、支持交叉验证并配有文档与教程的通用贝叶斯加性回归基线库。
2024-04-06 stat.CO stat.ML
csSampling: An R Package for Bayesian Models for Complex Survey Data
csSampling R包结合Stan与survey包,为复杂调查数据提供贝叶斯建模,并通过渐近协方差校正设计效应,使后验推断兼具频率学派一致性与正确覆盖率。
2023-08-13 stat.AP stat.CO
Bayesian Estimation of Attribute Disclosure Risks in Synthetic Data with the $\texttt{AttributeRiskCalculation}$ R Package
合成数据在许多情况下都是一种很有前途的隐私保护方法。贝叶斯合成模型,也称为合成器,模拟敏感变量的后验预测分布的合成值。然后,可以发布由此产生的合成数据来代替机密数据。合成数据发布前的一个重要评估是其隐私保护水平,通常以披露风险评估的形式进行。属性泄露是指入侵者正确推断合成记录的机密值,是一种具有挑战性的计算评估的泄露类型。本文以常用的贝叶斯综合器为例,详细回顾和讨论了属性信息披露风险评估的贝叶斯估计方法。我们创建的$\texttt{AttributeRiskCalculation}$ R包,以促进其实施,并证明其功能的例子,评估属性披露风险的合成样本的消费者支出调查。
2021-03-17 stat.CO stat.ME
Epidemia: An R Package for Semi-Mechanistic Bayesian Modelling of Infectious Diseases using Point Processes
这篇文章介绍了一个R软件包,用于传染病的贝叶斯回归建模。所实现的模型定义了所有观测数据的可能性,同时还明确建模传输动态:一种通常称为半机械的方法。使用更新方程随时间传播感染。这种方法的灵感来自自激,连续时间点过程,如霍克斯过程。使用该软件包可以执行各种推理任务。关键的流行病学数量,包括繁殖数量和潜伏感染,可以在框架内估计。这些模型可用于评估传播率变化的决定因素,包括控制措施的效果。流行病动态可以通过拟合模型或先验模型来模拟;允许先验/后验预测检查、实验和预测。
2021-10-24 stat.CO stat.ME
CompModels: A suite of computer model test functions for Bayesian optimization
R的CompModels包提供了一套计算机模型测试功能,可用于计算机模型预测/仿真,不确定性量化和校准,特别是计算机模型的顺序优化。该软件包是现实世界的物理问题,已知的数学函数和黑盒函数的混合,这些函数已被转换为具有贝叶斯目标的计算机模型(即,顺序)优化。同样,该软件包包含代表约束或无约束优化情况的计算机模型,每个模型具有不同的难度。在本文中,我们说明了使用的包与现实世界的例子和黑盒函数通过解决约束优化问题,通过贝叶斯优化。最终,该软件包为用户提供了一个源的计算机模型测试功能,是可复制的,可共享的,并可用于新的优化方法的基准。
2021-01-07 stat.CO stat.OT
disaggregation: An R Package for Bayesian Spatial Disaggregation Modelling
分解建模或缩小尺度已成为流行病学的一个重要学科。在大区域汇总的监测数据越来越普遍,导致对能够处理这些数据以了解空间格局的建模框架的需求日益增加。分解回归模型使用在大的异质区域上聚集的响应数据,通过使用细尺度协变量来告知异质性,从而在该区域上进行细尺度预测。本文介绍了R包分解,它提供了简化运行分解模型的过程以进行精细预测的功能。
2020-01-09 stat.CO stat.ME
fkbma: An R Package for Detecting Tailoring Variables with Free-Knot B-Splines and Bayesian Model Averaging
本文介绍 R 包 fkbma,利用自由节点 B 样条与贝叶斯模型平均识别治疗适配变量,并通过模拟和真实数据验证其应用价值。
2025-03-17 stat.CO stat.ME
Novel Bayesian Procrustes Variance-based Inferences in Geometric Morphometrics & Novel R package: BPviGM1
与丰富的经典几何学文献相比,到目前为止,几何形态测量学中的Procrustes形状分析的贝叶斯文献很少,可能是因为它是统计研究的一个相对较新的分支,并且与贝叶斯分析相关的固有计算困难。此外,我们可以从形状参数分布的贝叶斯Procrustes分析中获得过多的新推论。在本文中,我们建议把后验的Procrustes形状方差的形态变异性指标。在这里,我们提出了新的贝叶斯方法Procrustes形状分析的基础上地标数据的各向同性方差假设,并提出了一个贝叶斯统计检验模型验证的新物种发现使用的形态变化反映在后验分布的地标方差的对象下研究几何形态计量学。我们将考虑基于高斯分布和基于重尾t分布的模型进行Procrustes分析。到目前为止,我们还不知道有任何直接的R包用于基于地标的几何形态学的贝叶斯Procrustes分析。因此,我们介绍了一个新颖的,简单的R包\textbf{BPviGM1}(“Bayesian Procrustes Variance-based inferences in Geometric Morphometrics 1”),其基本上包含用于所提出的模型和方法的计算的R代码实现,如马尔可夫链蒙特卡罗(MCMC)R函数运行用于从关注参数的后验中抽取样本,R函数用于基于显著性形态学的模型验证的拟议贝叶斯检验变化量作为一个应用,我们可以定量地表明,灵长类动物的男性面孔可能是遗传可行的…
2021-01-19 stat.CO stat.ME
Bayesian Survival Analysis Using the rstanarm R Package
生存数据在一系列学科中都会遇到,最明显的是健康和医学研究。虽然贝叶斯方法对生存数据的分析可以提供许多好处,但它们的使用不如经典方法(例如基于可能性的方法)广泛。这可能部分是由于相对缺乏用户友好的贝叶斯生存模型的实现。在这篇文章中,我们描述了如何使用rstanarm R包来拟合各种贝叶斯生存模型。rstanarm软件包通过提供一个用户友好的界面(用户使用习惯的R公式语法和数据框指定其模型)和使用Stan软件(一个用于贝叶斯推断的C++库)进行后端估计,促进贝叶斯回归建模。可以使用rstanarm估计的模型套件很广泛,包括广义线性模型(GLM),广义线性混合模型(GLM),广义加性模型(GAM)等。在本文中,我们只关注生存建模功能。这包括标准参数(指数,威布尔,Gompertz)和灵活的参数(样条)风险模型,以及标准参数加速失效时间(AFT)模型。允许所有类型的删失(左删失、右删失、区间删失),以及延迟录入(左截断)、时变协变量、时变效应和脆弱性效应。我们通过工作示例演示功能。我们预计这些实现将增加贝叶斯生存分析在应用研究中的应用。
2020-02-22 stat.CO stat.ME
Bayesian computing with INLA: new features
INLA方法的近似贝叶斯推断的潜在高斯模型已被证明是一个有价值的工具,在实践中,通过R-包R-INLA的后验边缘的快速和准确的估计。在本文中,我们正式的R-INLA包的新发展,并显示这些功能如何大大扩展了模型的范围,可以通过这个接口进行分析。我们还讨论了目前的默认方法在R-INLA近似后边缘的超参数,只使用一个适度数量的联合后验分布的超参数的评估,而不需要任何数值积分。
2013-02-20 stat.CO
BFI: An R Package for Bayesian Federated Inference
ARQ National Psychotrauma Center(ARQ国家心理创伤中心)
本文介绍R包BFI,实现贝叶斯联邦推断,支持多种回归模型,通过中心间交换参数摘要实现隐私保护下的多中心统计建模,并提供可复现工作流与合并分析对比。
2026-10-06 stat.CO stat.ME
hdbayes: An R Package for Bayesian Analysis of Generalized Linear Models Using Historical Data
本文介绍了R包hdbayes,它利用Stan语言实现了多种结合历史数据的先验方法,用于广义线性模型的贝叶斯分析,解决了现有方法实现不一、比较困难的问题。
2025-06-24 stat.CO stat.ME
Bayesian multilevel compositional data analysis with the R package multilevelcoda
School of Psychological Sciences, Monash University(莫纳什大学心理科学学院);Alliance for Research in Exercise, Nutrition and Activity, Allied Health and Human Performance, University of South Australia(南澳大利亚大学健康与人类绩效运动、营养和活动研究联盟)
本文介绍R包multilevelcoda,用于在贝叶斯多元多水平框架下建模成分数据,并通过睡眠-觉醒行为示例展示其统计理论与函数实现。
2024-11-19 stat.CO stat.ME
Analyzing Genome-wide Association Study Data with the R Package genMOSS
R包(R Core Team(2016))genMOSS是专门为全基因组关联研究数据的贝叶斯分析而设计的。该软件包实现了面向模式的随机搜索(MOSS)程序以及简单的移动窗口方法,以识别与响应相关的单核苷酸多态性的组合。贝叶斯计算中使用的先验是广义超狄利克雷。
2016-11-22 q-bio.QM stat.CO
cyclinbayes: Bayesian Causal Discovery with Linear Non-Gaussian Directed Acyclic and Cyclic Graphical Models
Texas A&M University(德克萨斯农工大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
cyclinbayes通过贝叶斯方法实现线性非高斯有向无环和有环图模型的因果发现,提供全面的不确定性量化和高效的MCMC算法。
2026-02-24 stat.CO
The mbsts package: Multivariate Bayesian Structural Time Series Models in R
多变量贝叶斯结构时间序列(MBSTS)模型是处理多个相关时间序列的推断和预测的通用机器学习模型,其中还可以选择对每个目标序列使用不同的候选池的同期预测器。MBSTS模型具有广泛的应用,是特征选择、时间序列预测、临近预报、因果影响推断等的理想模型。本文介绍了如何使用R包MBSTS进行MBSTS建模,在包中的用户友好功能和开发人员友好功能之间建立桥梁,以及相应的方法。软件包中的面向对象功能以使用户能够灵活地添加或减少某些组件以及简化或复杂某些设置的方式进行解释。
2023-02-06 cs.LG cs.MS stat.AP
dynesty: A Dynamic Nested Sampling Package for Estimating Bayesian Posteriors and Evidences
我们提出dynesty,一个公共的,开源的Python包,使用动态嵌套采样来估计贝叶斯后验和证据(边际似然)。通过基于后验结构自适应地分配样本,动态嵌套采样具有马尔可夫链蒙特卡罗算法的优点,该算法只关注后验估计,同时保留嵌套采样从复杂的多模态分布中估计证据和样本的能力。我们提供了一个概述嵌套采样,其扩展到动态嵌套采样,所涉及的算法挑战,以及采取各种方法来解决这些问题。然后,我们研究dynesty的性能在各种玩具的问题,随着几个天文应用。我们发现,在特别的问题dynesty可以提供大量的改进,采样效率相比,流行的MCMC方法在天文文献。有关巢式抽样的更详细统计结果亦载于附录。
2019-04-03 astro-ph.IM stat.CO
Learning Large-Scale Bayesian Networks with the sparsebn Package
University of California Los Angeles(加州大学洛杉矶分校)
从数据中学习图形模型是一个重要的问题,具有广泛的应用,从基因组学到社会科学。如今的数据集通常有上千个--有时是数万或数十万个--变量和更少的样本。为了应对这一挑战,我们开发了一个新的R包,称为sparsebn,用于学习大型稀疏图形模型的结构,重点是贝叶斯网络。虽然有许多现有的软件包用于此任务,但此软件包侧重于从高维数据中学习大型网络的独特设置,可能需要干预。因此,所提供的方法在高维环境中重视可伸缩性和一致性。此外,在存在干预措施的情况下,这里实施的方法实现了从数据中学习因果网络的目标。此外,sparsebn软件包与现有的网络分析软件包完全兼容。
2018-03-10 cs.LG stat.CO stat.ME
Taweret: a Python package for Bayesian model mixing
本文介绍 Python 软件包 Taweret,通过三种面向不同问题结构的贝叶斯模型混合技术,支持跨领域的模型预测融合与不确定性量化。
2023-10-31 nucl-th physics.data-an stat.CO