制动辅助系统

R包BAS:贝叶斯变量选择和贝叶斯自适应抽样模型平均。在线性模型和广义线性模型中使用随机或确定性抽样的贝叶斯变量选择和模型平均包,无需从后验分布替换。系数上的先验分布来自于Zellner的g-先验或对应于Zellner-Siow-Cauchy先验或Liang等人(2008)的g-先验的混合物,对于Li和Clyde(2015)的GLMs中的线性模型或g-先验的混合物,<doi:10.1198/016214507000001337>。其他模型选择准则包括g的AIC、BIC和经验Bayes估计。采样概率可以基于采样模型(使用抽样w/out替换)或使用BAS树结构作为有效哈希表的有效MCMC算法样本模型进行更新。允许所有模型上的一致先验或模型大小上的beta二项式先验分布,对于大p,可以使用模型空间上的截断先验。可能始终强制包含用户变量。Clyde、Ghosh和Littman(2010)提供了采样算法背后的细节。国家科学基金会在这项工作的基础上,资助了DMS-11091项目。本材料中表达的任何观点、发现、结论或建议都是作者的观点,并不一定反映国家科学基金会的观点。