Rgbp：分层建模与频率法检验过分散高斯、泊松和二项式数据
我们利用近似贝叶斯机器来拟合二级共轭递阶模型在过度分散的高斯、泊松和二项式数据上，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是否满足名义置信水平。Rgbp假设的数据包括对每个随机效应的观察到的充分统计，例如每组的平均值或比例，而没有总体水平的数据。配备密度最大化调整的近似贝叶斯工具对模型参数（包括二级方差分量、回归系数和随机效应）产生近似点和区间估计。对于二项式数据，该软件包提供了一种选择，通过接受拒绝法生成所有模型参数的后验样本。该软件包提供了一种通过参数引导（我们称之为频率方法检查）来评估随机效应的贝叶斯区间估计的覆盖率的快速方法。
文档：
下载：
链接：
请使用规范形式https://CRAN.R-project.org/package=Rgbp链接到此页面。