1. Introducción

La Estadística Bayesiana se ha generalizado particularmente por que es útil para la solución de problemas en la toma de decisiones. La utilidad de este enfoque consiste básicamente en el uso de situaciones en las que existe información limitada acerca de un gran número de variables o cuando la información proviene de diferentes fuentes. Por lo tanto, es necesario conocer las principales herramientas para su análisis.

El objetivo de esta publicación es presentar y explicar las librerias del R y los programas más utilizados para la estimación bayesiana. Se publicará constantemente nuevas herramientas y se mostrará ejemplos sobre como usar estas herramientas.

2. R tools for Bayesian Softwares

2.1. JAGS software

JAGS (Just Another Gibbs Sampler). Es un programa para el análisis de modelos jerárquicos bayesianos que utiliza la simulación de Cadenas de Markov de Monte Carlo (MCMC), no muy diferente al lenguaje BUGS . JAGS fue desarrollado con tres objetivos:

  • Tener un motor multiplataforma para el lenguaje BUGS

  • Ser extensible, permitiendo a los usuarios escribir sus propias funciones, distribuciones y muestreadores.

  • Ser una plataforma para la experimentación con ideas en el modelado bayesiano.

http://mcmc-jags.sourceforge.net

- Librerias del R relacionados con JAGS

  • rjags: R Interface to the JAGS MCMC library

  • jagsUI: A Wrapper Around rjags to Streamline JAGS Analyses

  • R2Jags: Providing wrapper functions to implement Bayesian analysis in JAGS.

  • bayesmix: finite mixture models of univariate Gaussian distributions using JAGS

  • dalmatian: Automates fitting of double GLM in JAGS.

  • glmmBUGS: Generalized Linear Mixed Models with BUGS and JAGS

  • HydeNet: Hybrid Bayesian Networks Using R and JAGS

2.2. Stan software

Stan es una plataforma de vanguardia para el modelado estadístico y el cómputo estadístico de alto rendimiento. Miles de usuarios confían en Stan para el modelado estadístico, el análisis de datos y la predicción en las ciencias sociales, biológicas y físicas, la ingeniería y los negocios.

Los usuarios especifican funciones de densidad en el lenguaje de programación probabilístico de Stan y obtienen:

  • Inferencia estadística bayesiana completa con muestreo MCMC (NUTS, HMC)

  • Inferencia bayesiana aproximada con inferencia variacional (ADVI)

  • Estimación de máxima verosimilitud penalizada con optimización (L-BFGS)

  • Bayesian statistical inference with MCMC sampling

http://mc-stan.org

- Librerias del R relacionados con Stan

  • rstan: R Interface to Stan

  • blmeco: Data Files and Functions Accompanying the Book “Bayesian Data Analysis in Ecology using R, BUGS and Stan”

  • breathteststan: Stan-Based Fit to Gastric Emptying Curves

  • brms: Bayesian Regression Models using Stan

  • edstan: Stan Models for Item Response Theory

  • idealstan: Bayesian IRT Ideal Point Models with Stan

  • rstanarm: Bayesian Applied Regression Modeling via Stan

  • rstansim: Simulation Studies with Stan

  • rstantools: Tools for Developing R Packages Interfacing with ‘Stan’

  • tmbstan: MCMC Sampling from ‘TMB’ Model Object using ‘Stan’

2.3. OpenBUGS software

BUGS (Bayesian inference Using Gibbs Sampling) es un programa para realizar inferencia Bayesiana. El usuario especifica un modelo estadístico, de complejidad arbitraria, simplemente indicando las relaciones entre las variables relacionadas. El software incluye un ‘sistema experto’, que determina un esquema apropiado de MCMC (Markov chain Monte Carlo), basado en la muestreo de Gibbs, para analizar el modelo especificado. Luego, el usuario controla la ejecución del esquema y es libre de elegir entre una amplia gama de tipos de salida.

Algunos programas escritos en lenguaje BUGS son winBUGS y OpenBUGS

https://www.mrc-bsu.cam.ac.uk/software/bugs/the-bugs-project-winbugs/

http://www.openbugs.net/w/FrontPage

- Librerias del R relacionados con OpenBUGS

  • R2OpenBUGS R Interface to the OpenBUGS MCMC library

  • BRugs: Interface to the OpenBUGS (works only for Windows OS)

  • glmmBUGS: Generalized Linear Mixed Models with BUGS and JAGS

  • tsbugs: Create time series BUGS models

2.4. INLA software

La aproximación Integrada de Laplace Anidada (INLA) es un método de aproximación para hacer inferencia bayesiana. En los últimos años se ha establecido como una alternativa a otros métodos como la cadena de Markov Monte Carlo (MCMC) debido a su velocidad y facilidad de uso a través del paquete R-INLA. Aunque la metodología INLA se centra en modelos que pueden expresarse como campos aleatorios Gaussian Markov latentes (GMRF), esto abarca una gran familia de modelos que se utilizan en la práctica.

http://www.r-inla.org/download

Librerias del R relacionados con INLA

  • inla: R Interface to INLA

2.5. Librerias del R sin programas externos

  • bang: Bayesian Analysis, No Gibbs

  • abc: Tools for Approximate Bayesian Computation (ABC)

  • BAEssd: Bayesian Average Error approach to Sample Size Determination

  • BANOVA: Hierarchical Bayesian ANOVA Models

  • BayesBinMix: Bayesian Estimation of Mixtures of Multivariate Bernoulli Distributions

  • BayesFM: Bayesian Inference for Factor Modeling

  • bayesloglin: Bayesian Analysis of Contingency Table Data

  • MCMCpack: Markov Chain Monte Carlo (MCMC) Package

3. Referencias