BGGM:贝叶斯-高斯图形模型

拟合贝叶斯-高斯图形模型。这些方法分为两种贝叶斯推理方法:假设检验和估计。验证性假设检验的扩展、比较高斯图形模型,和节点级可预测性。这些方法最近在高斯图形模型文献,包括威廉姆斯(2019)<doi:10.31234/osf.io/x8dpr>, 威廉姆斯和穆德(2019)<doi:10.31234/osf.io/ypxd8>,Williams、Rast、Pericchi和Mulder(2019年)<doi:10.31234/osf.io/yt386>.

版本: 2.1.1
取决于: R(≥4.3.0)
进口: BFpack(BF组件)(≥ 1.2.3),GGally公司(≥ 1.4.0),ggplot2(≥ 3.2.1),ggridges公司(≥0.5.1),gr设备,MASS(质量)(≥7.3-51.5),方法,mvnfast公司(≥ 0.2.5),网络(≥ 1.15),重塑(≥ 0.8.8),卢比(≥1.0.4.6),Rdpack公司(≥ 0.11-1),国家统计局(≥2.5),统计,实用程序
链接到: 卢比,RcppArmadillo公司,Rcpp距离,接收进度
建议: 阿宾德(≥ 1.4-5),分类网(≥ 0.12),网络工具(≥1.3.0),老鼠(≥ 3.8.0),心理学,针织物,rmarkdown公司,测试那个(≥3.0.0)
出版: 2024-02-23
作者: 唐纳德·威廉姆斯,Joris Mulder[aut],菲利普·拉斯特[aut,cre]
维护人员: 菲利普·拉斯特(Philippe Rast)<Rast.ph at gmail.com>
错误报告: https://github.com/donaldRwilliams/BGGM/issues
许可证: GPL-2型
需要编译:
引用: BGGM引用信息
材料: 新闻
CRAN检查: BGGM结果

文档:

参考手册: BGGM.pdf公司
渐晕图: 变量控制
检验相同假设的三种方法
串联:验证性和探索性测试
疑难解答
MCMC诊断
网络图
自定义网络统计信息
自定义网络比较
可预测性:二进制、顺序和连续
测试总和
图形VAR

下载内容:

包源: BGGM_2.1.1.tar.gz公司
Windows二进制文件: r-预发布:BGGM_2.1.1.zip文件,r版本:BGGM_2.1.1.zip文件,r-oldrel:无法使用的
macOS二进制文件: r-prerel(arm64):BGGM_2.1.1.tgz公司,r-release(arm64):BGGM_2.1.1.tgz公司,r-oldrel(arm64):不可用,r-prerel(x86_64):BGGM_2.1.1.tgz公司,r-release(x86_64):BGGM_2.1.1.tgz公司
旧资料来源: BGGM存档

反向依赖关系:

反向进口: easybgm公司

链接:

请使用规范形式https://CRAN.R-project.org/package=BGGM链接到此页面。