[问答] 请教R中运行WINbugs问题 [推广有奖]

11楼

铤而走险 发表于 2012-4-29 11:39:32

不知道会不会和软件有关，想请问您用的软件的版本是？

12楼

铤而走险 发表于 2012-4-29 13:08:13

epoh 发表于 2012-4-29 11:03
library(R2WinBUGS)
y

我把Winbugs重新安装在D盘下,又注册,还是不行,奇怪了!

13楼

铤而走险 发表于 2012-4-29 13:11:13

不过错误少了，现在只显示：
错误于bugs.run(n.burnin, bugs.directory, WINE = WINE, useWINE = useWINE, :
Look at the log file and
try again with 'debug=TRUE' to figure out what went wrong within Bugs.

14楼

铤而走险 发表于 2012-4-29 13:39:31

epoh 发表于 2012-4-29 11:03
library(R2WinBUGS)
y

果然是Winbugs 的问题
非常感谢您无私的帮助，使我这个初学者受益匪浅！

15楼

epoh 发表于 2012-4-29 14:42:39

铤而走险发表于 2012-4-29 13:39
果然是Winbugs 的问题
非常感谢您无私的帮助，使我这个初学者受益匪浅！

呵呵,问题解决了就好,恭喜你

16楼

铤而走险 发表于 2012-5-1 14:38:19

epoh 发表于 2012-4-29 14:42
呵呵,问题解决了就好,恭喜你

您好！
有个问题想向您请教：
我想估计这两个模型的参数

future.txt (422 Bytes)

第一个的程序编好，可以运行，也能估计出参数。
Model:
modle {
for (i in 1:N) {
y ~dnorm(mu,tau)
mu<-Xi*J*exp(-k*t)-alpha*Jmu*exp(-k*t)
Xi~dnorm(Jmu,Jtau)          # normally distributed jump-sizes
J~dbern(lamda)             # jumps-times Bernoulli distributed
}
Sigma<-1/sqrt(tau)
JSigma<-1/sqrt(Jtau)
# prior distributions for parameters
alpha~dnorm(0,1)
k~dnorm(0,1)
tau~dgamma(2, 2)
Jmu~dnorm(0,1)
Jtau~dgamma(2,2)
lamda~dbeta(2,2)
}
R
library(R2WinBUGS)
x<-read.table("D:/Bugs/future.txt") #import data#
y=x[,1]
t=x[,2]
N<-length(y)
Xi0<-rep(0,N) # Give initial values to state variables#
J0<-rep(0,N)
data<-list("N","y","t")
# Give initial values to the parameters for winbugs #
inits <-function() {list (       tau=2,
                        Jtau=2,
                        Jmu=0,
                        lamda = 0.05,k=0,alpha=0,Xi=Xi0,J=J0)}
parameters<- c("Sigma","JSigma","Jmu","lamda","k","alpha","Xi","J")

future.sim<-bugs (data, inits=inits, parameters, "futures1.txt", n.chains=1, n.thin=1,
            n.iter=10000,n.burnin=5000,debug=TRUE,DIC=TRUE,
            bugs.directory = "D:/WinBUGS14/",working.directory = "D:/Bugs")

attach.bugs(future.sim)
print(future.sim,digits=4)

但是第二个模型就比第一个模型多了那一部分，然后程序在调运Winbugs运行后，什么结果也没有，想请您看看问题出在哪里。
modle {
for (i in 1:N) {
y ~dnorm(mu,tau)
mu<-Xi*J*exp(-k*t)-lamda*Jmu*exp(-k*t)
g<-exe(2*k*t)
tau<-tau*g
Xi~dnorm(Jmu,Jtau) # normally distributed jump-sizes
J~dbern(lamda)    # jumps-times Bernoulli distributed
}
Sigma<-1/sqrt(tau)
JSigma<-1/sqrt(Jtau)
# prior distributions for parameters
alpha~dnorm(0,1)
k~dnorm(0,1)
tau~dgamma(2, 2)
Jmu~dnorm(0,1)
Jtau~dgamma(2,2)
lamda~dbeta(2,2)
}