Rgbp：分层建模和频率方法检查过分散高斯、泊松和二项式数据
我们利用近似贝叶斯机器在过分散的高斯、泊松和二项式数据上拟合两级共轭层次模型，并通过频率覆盖评估来评估随机效应的近似贝叶斯区间估计值是否满足标称置信水平。Rgbp假设的数据包含每个随机效应的观察到的足够统计数据，例如每个组的平均值或比例，而没有人口水平的数据。带有密度最大化调整的近似贝叶斯工具为模型参数（包括二级方差分量、回归系数和随机效应）生成近似点和区间估计。对于二项式数据，该软件包提供了一个选项，可以通过接受-拒绝方法生成所有模型参数的后验样本。该软件包提供了一种快速方法，通过参数自举（我们称之为频率方法检查）来评估随机效应贝叶斯区间估计结果的覆盖率。
文档：
下载内容：
链接：
请使用规范形式https://CRAN.R-project.org/package=Rgbp链接到此页面。