原文鏈接：http://tecdat.cn/?p=11974

R2WinBUGS軟件包提供了從R調用WinBUGS的便捷功能。它自動以WinBUGS可讀的格式寫入數據和腳本，以進行批處理（自1.4版開始）。WinBUGS流程完成后，可以通過程序包本身將結果數據讀取到R中（這提供了推斷和收斂診斷的緊湊圖形摘要），也可以使用coda程序包的功能對輸出進行進一步分析。?

?WinBUGS軟件可從http://www.mrc-bsu.cam.ac.uk/bugs/免費獲得。??

R是一種“用于數據分析和圖形處理的語言”，是一種實現該語言的開放源代碼和免費提供的統(tǒng)計軟件包，請參見http://www.R-project.org/。? R和R2WinBUGS可從CRAN 獲得，即http://CRAN.R-Project.org或其鏡像之一。R2WinBUGS可以移植到商業(yè)實施S-Plus。 如果可以使用Internet連接，則可以在R命令提示符下鍵入install.packages（“ R2WinBUGS”）來安裝R2WinBUGS。別忘了用library(R2WinBUGS)

?

例子

?

學校數據

學術能力測驗（SAT）衡量高中生的能力，以幫助大學做出入學決定。 我們的數據來自1970年代后期進行的一項實驗，來自八所高中的SAT-V（學業(yè)能力測試語言）。SAT-V是由教育測試服務局管理的標準多項選擇測試。該服務對所選學校中每所學校的教練計劃的效果很感興趣。

?

實現

R2WinBUGS軟件包的實現非常簡單。\ main“函數bugs（）?旨在由用戶調用。原則上，它是對?其中逐步調用的其他幾個函數的包裝，如下：
1. bugs.data.inits（）寫入數據文件' data.txt”和“ inits1.txt”，“ inits2.txt” ...進入 工作目錄。?
2. bugs.script（）寫入WinBUGS用于批處理的文件“ script.txt”。
3. bugs.run（）更新WinBUGS注冊表中自適應階段的長度 ，調用WinBUGS，并使用 'script.txt' 以批處理模式運行它。
R2WinBUGS軟件包的實現非常簡單。\ main“函數bugs（）
?原則上，它是對 其中逐步調用的其他幾個函數的包裝，如下：
1. bugs.data.inits（）寫入數據文件' data.txt”和“ inits1.txt”，“ inits2.txt” ...進入 工作目錄，這些文件將由WinBUGS在批處理過程中使用。?

2 . bugs.script（）寫入文件“ script”。 txt”，由WinBUGS用于批處理 。

3. bugs.run（）更新WinBUGS注冊表中自適應階段的長度（使用bugs.update.settings（）函數），調用WinBUGS并批量運行“script.txt”。
4. bugs.sims（）如果參數codaPkg已設置為false（默認值）才調用。
否則，bugs（）返回存儲數據的文件名。例如，這些可以通過打包的coda 導入，該軟件包提供了收斂診斷，蒙特卡洛估計的計算，跡線圖等功能。
bugs.sims（）函數將WinBUGS中的模擬讀取到R中（不一定 由bugs（）本身調用），將其格式化，監(jiān)視收斂，執(zhí)行收斂檢查并
計算中位數和分位數。它還為bugs（）本身準備輸出。
這些功能不旨在由用戶直接調用。 如果合適，參數將從bugs（）傳遞給其他函數。一個簡短的bugs（）幫助文件，其中列出了?
軟件包R2WinBUGS 之后，請在R中進行調試?
?

例子?

我們將 R2WinBUGS提供的功能應用于示例數據并分析輸出。

學校數據

示例數據 ：
?

> schools

為了對這些數據進行建模，我們使用了Gelman等人提出的分層模型。 我們假設每所學校的觀測估計值具有正態(tài)分布，且均值theta 和反方差tau.y。逆方差為1 =σ.y2，其先驗分布在（0,1000）上是均勻的。對于均值theta，我們采用另一個正態(tài)分布 平均mu.theta和反方差tau.theta。有關其先前的分布，請參見以下
WinBUGS代碼：

1. model {

2. for (j in 1:J)

3. {

4. y[j] ~ dnorm (theta[j], tau.y[j])

5. theta[j] ~ dnorm (mu.theta, tau.theta)

6. tau.y[j] <- pow(sigma.y[j], -2)

7. }

8. mu.theta ~ dnorm (0.0, 1.0E-6)

9. tau.theta <- pow(sigma.theta, -2)

10. sigma.theta ~ dunif (0, 1000)

11. }

此模型必須存儲在單獨的文件中，例如'schools.bug'2，在適當的目錄中，例如c：/ schools /。在R中，用戶必須準備bugs（）函數所需的數據輸入。這可以是包含每個數據向量名稱的列表，例如

> J <- nrow(schools)

?使用這些數據和模型文件，我們可以運行MCMC模擬以獲取theta， mu.theta和sigma.theta的估計值。在運行之前，用戶必須確定要運行多少個鏈 （n.chain = 3）和迭代次數（n.iter = 1000）。另外，用戶必須指定鏈的初始值，例如通過編寫函數。

1. > inits <- function(){

2. + list(theta = rnorm(J, 0, 100), mu.theta = rnorm(1, 0, 100),

3. + sigma.theta = runif(1, 0, 100))

4. + }

可以開始MCMC模擬，R中的參數bugs.directory必須指向WinBUGS的安裝目錄?？梢酝ㄟ^print（schools.sim）方便地打印school.sim對象中的結果。 泛型函數print（）調用由R2WinBUGS提供的類錯誤對象的print方法。
對于此示例，將獲得類似的結果

1. Inference for Bugs model at "c:/schools/schools.bug"

2. 3 chains, each with 1000 iterations (first 500 discarded)

3. n.sims = 1500 iterations saved

4. mean sd 2.5% 25% 50% 75% 97.5% Rhat n.eff

5. theta[1] 11.1 9.1 -3.0 5.0 10.0 16.0 31.8 1.1 39

6. theta[2] 7.6 6.6 -4.7 3.3 7.8 11.6 21.1 1.1 42

7. theta[3] 5.7 8.4 -12.5 0.6 6.1 10.8 21.8 1.0 150

8. theta[4] 7.1 7.0 -6.6 2.7 7.2 11.5 21.0 1.1 42

9. theta[5] 5.1 6.8 -9.5 0.7 5.2 9.7 18.1 1.0 83

10. theta[6] 5.7 7.3 -9.7 1.0 6.2 10.2 20.0 1.0 56

11. theta[7] 10.4 7.3 -2.1 5.3 9.8 15.3 25.5 1.1 27

12. theta[8] 8.3 8.4 -6.6 2.8 8.1 12.7 26.2 1.0 64

13. mu.theta 7.6 5.9 -3.0 3.7 8.0 11.0 19.5 1.1 35

14. sigma.theta 6.7 5.6 0.3 2.8 5.1 9.2 21.2 1.1 46

15. deviance 60.8 2.5 57.0 59.1 60.2 62.1 66.6 1.0 170

16. pD = 3 and DIC = 63.8 (using the rule, pD = var(deviance)/2)

17. For each parameter, n.eff is a crude measure of effective sample size,

18. and Rhat is the potential scale reduction factor (at convergence, Rhat=1).

19. DIC is an estimate of expected predictive error (lower deviance is better).

此外，用戶可以通過鍵入plot（schools.sim）生成結果圖。 結果圖如圖4所示。在該圖中，左列顯示了以下內容的快速摘要：
推論和收斂（所有參數的Rb都接近1.0，表明三個鏈的良好混合，因此近似收斂）；右列顯示每組參數的推論。從右欄中可以看到，R2WinBUGS使用 WinBUGS中的參數名稱將輸出構造為標量，向量和參數數組。