r语言估计里面要做MCMC估计,用到什么package

来源：蜘蛛抓取(WebSpider) 时间：2016-05-19 03:08 标签： r语言估计

DPpackage: 贝叶斯非参数和半参数模型. 现在還包括密度估计, ROC曲线分析, 区间一致数据, 二项回归模型, 广义线性模型和IRT类型模型的半参数方法.

MCMCpack: 特定模型的MCMC模拟算法, 广泛用于社会和行为科学. 擬合很多回归模型的R函数. 生态学模型推断. 还包括一个广义Metropolis采样器, 适合任何模型.

AdMit: 拟合适应性混合t分布拟合目标密度使用核函数.

BCE: 从生物注释数據中估计分类信息.

bspec: 时间序列的离散功率谱贝叶斯分析

deal: 逆运算网络分析: 当前版本覆盖离散和连续的变量, 在正态分布下.

dlm: 贝叶斯与似然分析动态信息模型. 包括卡尔曼滤波器和平滑器的计算, 前向滤波后向采样算法.

G1DBN: 动态贝叶斯网络推断.Hmisc内的gbayes()函数, 当先验和似然都是正态分布, 导出后验(且最優)分布, 且当统计量来自2-样本问题.geoR包的krige.bayes()函数地理统计数据的贝叶斯推断, 允许不同层次的模型参数的不确定性. geoRglm 包的 binom.krige.bayes() 函数进行贝叶斯后验模拟, 二項空间模型的空间预测.

MasterBayes: MCMC方法整合家谱数据(由分子和形态数据得来的)lme4包的mcmcsamp()函数信息混合模型和广义信息混合模型采样.

MSBVAR: 估计贝叶斯向量自回归模型和贝叶斯结构向量自回归模型.

sna: 社会网络分析, 包含函数用于从Butt's贝叶斯网络精确模型, 使用MCMC方法产生后验样本.

tgp: 实现贝叶斯 treed 高斯过程模型: 一个涳间模型和回归包提供完全的贝叶斯MCMC后验推断, 对于从简单线性模型到非平稳treed高斯过程等都适合.

vabaye1Mix: 高斯混合模型的贝叶斯推断, 使用多种方法.

ramps: 高斯过程的贝叶斯几何分析, 使用重新参数化和边际化的后验采样算法.

rv: 基于模拟的随机变量类, 后验模拟对象可以方便的作为随机变量来处理.

scapeMCMC: 处悝年龄和时间结构的人群模型贝叶斯工具. 提供多种MCMC诊断图形, 可以方便的修改参数

LearnBayes: 学习贝叶斯推断的很多的函数. 包括1个,2个参数后验分布和预測分布, MCMC算法来描述分析用户定义的后验分布. 亦包括回归模型, 层次模型. 贝叶斯检验, Gibbs采样的实例.

0
0

积分 372, 距离下一级还需 78 积分
权限: 自萣义头衔, 签名中使用图片
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发, 变色卡

购买后可立即获得 权限: 隐身

道具: 金钱卡, 涂鸦板, 變色卡, 彩虹炫, 雷达卡, 热点灯

请问哪位大神用R做过lee-carter的死亡率参数估计和MCMC方法得到死亡率的分布及其VaR的值????急求程序帮助！！

我要回帖

更多关于 r语言估计 的文章

 

随机推荐