brms-package | 使用“Stan”的贝叶斯回归模型 | ||
acat | “brms”型号的特殊系列功能 | ||
acformula | “brms”中的线性和非线性公式 | ||
addition-terms | 其他响应信息 | ||
add_criterion | 向模型对象添加模型拟合条件 | ||
add_criterion.brmsfit | 向模型对象添加模型拟合条件 | ||
add_ic | 向模型对象添加模型拟合条件 | ||
add_ic.brmsfit | 向模型对象添加模型拟合条件 | ||
add_ic | 向模型对象添加模型拟合条件 | ||
add_loo | 向模型对象添加模型拟合条件 | ||
add_waic | 向模型对象添加模型拟合条件 | ||
ar | 建立AR(p)相关结构 | ||
arma | 建立ARMA(p,q)相关结构 | ||
as.array.brmsfit | 提取后验样本 | ||
as.data.frame.brmsfit | 提取后验样本 | ||
as.matrix.brmsfit | 提取后验样本 | ||
as.mcmc | 提取后部样本用于“coda”软件包 | ||
as.mcmc.brmsfit | 提取后部样本用于“coda”软件包 | ||
AsymLaplace | 非对称拉普拉斯分布 | ||
asym_laplace | “brms”型号的特殊系列功能 | ||
autocor | (已弃用)提取自相关对象 | ||
autocor-terms | 自相关结构 | ||
autocor.brmsfit | (已弃用)提取自相关对象 | ||
bayes_factor | 边际可能性的Bayes因子 | ||
bayes_factor.brmsfit | 边际可能性的Bayes因子 | ||
bayes_R2 | 计算回归模型的R平方的贝叶斯版本 | ||
bayes_R2.brmsfit | 计算回归模型的R平方的贝叶斯版本 | ||
bernoulli | “brms”型号的特殊系列功能 | ||
Beta | “brms”型号的特殊系列功能 | ||
bf | 设置模型公式以用于“brms” | ||
bf-helpers | “brms”中的线性和非线性公式 | ||
bridge_sampler | 通过桥抽样的对数边际似然 | ||
bridge_sampler.brmsfit | 通过桥抽样的对数边际似然 | ||
brm | 拟合贝叶斯广义(非线性)多元多水平模型 | ||
brms | 使用“Stan”的贝叶斯回归模型 | ||
brmsfamily | “brms”型号的特殊系列功能 | ||
brmsfit | 装有“brms”套装的车型的“brmsfit”类 | ||
brmsfit-class | 装有“brms”套装的车型的“brmsfit”类 | ||
brmsformula | 设置模型公式以用于“brms” | ||
brmsformula-helpers | “brms”中的线性和非线性公式 | ||
brmshypothesis | “brmshypothesis”对象的描述 | ||
brmsprior | “brms”模型的先前定义 | ||
brmsprior-class | “brms”模型的先前定义 | ||
brmsterms | brms模型的解析公式 | ||
brmsterms.brmsformula | brms模型的解析公式 | ||
brmsterms.default | brms模型的解析公式 | ||
brmsterms.mvbrmsformula | brms模型的解析公式 | ||
brm_multiple | 在多个数据集上运行相同的“brms”模型 | ||
car | 空间条件自回归结构 | ||
categorical | “brms”型号的特殊系列功能 | ||
coef.brmsfit | 提取模型系数 | ||
combine_models | 组合配备“brms”的车型 | ||
compare_ic | 比较不同模型的信息标准 | ||
conditional_effects | 显示预测器的条件效应 | ||
conditional_effects.brmsfit | 显示预测器的条件效应 | ||
conditional_smooths | 显示平滑术语 | ||
conditional_smooths.brmsfit | 显示平滑术语 | ||
control_params | 坚果采样器控制参数的提取 | ||
control_params.brmsfit | 坚果采样器控制参数的提取 | ||
cor_ar | (弃用)AR(p)相关结构 | ||
cor_arma | (弃用)ARMA(p,q)相关结构 | ||
cor_arma-class | (弃用)ARMA(p,q)相关结构 | ||
cor_brms | (已弃用)“brms”包的相关结构类 | ||
cor_brms-class | (已弃用)“brms”包的相关结构类 | ||
cor_car | (弃用)空间条件自回归(CAR)结构 | ||
cor_cosy | (弃用)复合对称(COSY)相关结构 | ||
cor_cosy-class | (弃用)复合对称(COSY)相关结构 | ||
cor_errorsar | (弃用)空间同步自回归(SAR)结构 | ||
cor_fixed | (已弃用)固定用户定义的协方差矩阵 | ||
cor_icar | (弃用)空间条件自回归(CAR)结构 | ||
cor_lagsar | (弃用)空间同步自回归(SAR)结构 | ||
cor_ma | (弃用)MA(q)相关结构 | ||
cor_sar | (弃用)空间同步自回归(SAR)结构 | ||
cosy | 建立舒适的相关结构 | ||
cov_fixed | (已弃用)固定用户定义的协方差矩阵 | ||
cox | “brms”型号的特殊系列功能 | ||
cratio | “brms”型号的特殊系列功能 | ||
cs | “brms”模型中的类别特异性预测因子 | ||
cse | “brms”模型中的类别特异性预测因子 | ||
cumulative | “brms”型号的特殊系列功能 | ||
customfamily | “brms”模型中的自定义族 | ||
custom_family | “brms”模型中的自定义族 | ||
cv_varsel | 投影预测变量选择 | ||
cv_varsel.brmsfit | 投影预测变量选择 | ||
dasym_laplace | 非对称拉普拉斯分布 | ||
ddirichlet | 狄里克莱分布 | ||
density_ratio | 计算密度比 | ||
dexgaussian | 指数修正高斯分布 | ||
dfrechet | Frechet分布 | ||
dgen_extreme_value | 广义极值分布 | ||
dhurdle_gamma | 障碍分布 | ||
dhurdle_lognormal | 障碍分布 | ||
dhurdle_negbinomial | 障碍分布 | ||
dhurdle_poisson | 障碍分布 | ||
diagnostic-quantities | 提取“brms”模型的诊断量 | ||
dinv_gaussian | 逆高斯分布 | ||
Dirichlet | 狄里克莱分布 | ||
dirichlet | “brms”型号的特殊系列功能 | ||
dmulti_normal | 多元正态分布 | ||
dmulti_student_t | 多元Student-t分布 | ||
dshifted_lnorm | 移位对数正态分布 | ||
dskew_normal | 偏正态分布 | ||
dstudent_t | 学生t分布 | ||
dvon_mises | 米塞斯分布 | ||
dwiener | Wiener扩散模型分布 | ||
dzero_inflated_beta | 零膨胀分布 | ||
dzero_inflated_binomial | 零膨胀分布 | ||
dzero_inflated_negbinomial | 零膨胀分布 | ||
dzero_inflated_poisson | 零膨胀分布 | ||
emmeans-brms-helpers | “emmeans”的支持功能 | ||
emm_basis.brmsfit | “emmeans”的支持功能 | ||
empty_prior | “brms”模型的先前定义 | ||
epilepsy | 癫痫发作计数 | ||
ExGaussian | 指数修正高斯分布 | ||
exgaussian | “brms”型号的特殊系列功能 | ||
exponential | “brms”型号的特殊系列功能 | ||
expose_functions | 公开用户定义的“Stan”函数 | ||
expose_functions.brmsfit | 公开用户定义的“Stan”函数 | ||
expp1 | 指数函数加一。 | ||
extract_draws | 准备预测 | ||
family.brmsfit | 提取模型族对象 | ||
fcor | 固定残差相关结构 | ||
fitted.brmsfit | 后验预测分布的期望值 | ||
fixef | 提取人口水平估计 | ||
fixef.brmsfit | 提取人口水平估计 | ||
Frechet | Frechet分布 | ||
frechet | “brms”型号的特殊系列功能 | ||
GenExtremeValue | 广义极值分布 | ||
gen_extreme_value | “brms”型号的特殊系列功能 | ||
geometric | “brms”型号的特殊系列功能 | ||
get_prior | “brms”模型的优先级概述 | ||
get_refmodel | 获取参考模型 | ||
get_refmodel.brmsfit | 获取参考模型 | ||
gp | 在“brms”中设置高斯过程项 | ||
gr | 在“brms”中设置基本分组条件 | ||
horseshoe | “brms”中的正规化马蹄先验 | ||
Hurdle | 障碍分布 | ||
hurdle_gamma | “brms”型号的特殊系列功能 | ||
hurdle_lognormal | “brms”型号的特殊系列功能 | ||
hurdle_negbinomial | “brms”型号的特殊系列功能 | ||
hurdle_poisson | “brms”型号的特殊系列功能 | ||
hypothesis | 非线性假设检验 | ||
hypothesis.brmsfit | 非线性假设检验 | ||
hypothesis.default | 非线性假设检验 | ||
inhaler | 吸入器说明书的清晰度 | ||
InvGaussian | 逆高斯分布 | ||
inv_logit_scaled | 比例逆逻辑链接 | ||
is.brmsfit | 检查参数是否为“brmsfit”对象 | ||
is.brmsfit_multiple | 检查参数是否为filename_points_covered_by_landmarks对象 | ||
is.brmsformula | 检查参数是否为“brmsformula”对象 | ||
is.brmsprior | 检查参数是否为“brmsprior”对象 | ||
is.brmsterms | 检查参数是否为“brmsterms”对象 | ||
is.cor_arma | 检查参数是否为相关结构 | ||
is.cor_brms | 检查参数是否为相关结构 | ||
is.cor_car | 检查参数是否为相关结构 | ||
is.cor_cosy | 检查参数是否为相关结构 | ||
is.cor_fixed | 检查参数是否为相关结构 | ||
is.cor_sar | 检查参数是否为相关结构 | ||
is.mvbrmsformula | 检查参数是否为“mvbrmsformula”对象 | ||
is.mvbrmsterms | 检查参数是否为“mvbrmsterms”对象 | ||
kfold | 验证法 | ||
kfold.brmsfit | 验证法 | ||
kfold_predict | K-折叠交叉验证预测 | ||
kidney | 肾脏感染 | ||
lasso | 在“brms”中设置套索 | ||
launch_shinystan | “shinystan”接口 | ||
launch_shinystan.brmsfit | “shinystan”接口 | ||
lf | “brms”中的线性和非线性公式 | ||
logit_scaled | 缩放logit链接 | ||
logLik.brmsfit | 计算逐点对数似然 | ||
logm1 | 带负一偏移量的对数。 | ||
lognormal | “brms”型号的特殊系列功能 | ||
log_lik | 计算逐点对数似然 | ||
log_lik.brmsfit | 计算逐点对数似然 | ||
log_posterior | 提取“brms”模型的诊断量 | ||
log_posterior.brmsfit | 提取“brms”模型的诊断量 | ||
LOO | 有效的近似遗漏交叉验证(LOO) | ||
loo | 有效的近似遗漏交叉验证(LOO) | ||
LOO.brmsfit | 有效的近似遗漏交叉验证(LOO) | ||
loo.brmsfit | 有效的近似遗漏交叉验证(LOO) | ||
loo_compare | 与“loo”包的型号比较 | ||
loo_compare.brmsfit | 与“loo”包的型号比较 | ||
loo_linpred | 使用LOO计算加权期望 | ||
loo_linpred.brmsfit | 使用LOO计算加权期望 | ||
loo_model_weights | 通过叠加或伪BMA加权进行模型平均。 | ||
loo_model_weights.brmsfit | 通过叠加或伪BMA加权进行模型平均。 | ||
loo_moment_match | 有效近似遗漏交叉验证的矩匹配 | ||
loo_moment_match.brmsfit | 有效近似遗漏交叉验证的矩匹配 | ||
loo_predict | 使用LOO计算加权期望 | ||
loo_predict.brmsfit | 使用LOO计算加权期望 | ||
loo_predictive_interval | 使用LOO计算加权期望 | ||
loo_predictive_interval.brmsfit | 使用LOO计算加权期望 | ||
loo_R2 | 为回归模型计算经LOO调整的R平方 | ||
loo_R2.brmsfit | 为回归模型计算经LOO调整的R平方 | ||
loo_subsample | 使用子抽样的有效近似漏掉交叉验证(LOO) | ||
loo_subsample.brmsfit | 使用子抽样的有效近似漏掉交叉验证(LOO) | ||
loss | 累计保险损失赔付 | ||
ma | 建立MA(q)相关结构 | ||
make_conditions | 准备完全交叉的条件 | ||
make_stancode | “brms”模型的Stan代码 | ||
make_standata | “brms”模型的数据 | ||
marginal_effects | 显示预测器的条件效应 | ||
marginal_effects.brmsfit | 显示预测器的条件效应 | ||
marginal_smooths | 显示平滑术语 | ||
marginal_smooths.brmsfit | 显示平滑术语 | ||
mcmc_plot | “bayesplot”中实现的MCMC图 | ||
mcmc_plot.brmsfit | “bayesplot”中实现的MCMC图 | ||
me | brms模型中具有测量误差的预测因子 | ||
mi | “brms”模型中缺失值的预测因子 | ||
mixture | “brms”中的有限混合族 | ||
mm | 在“brms”中设置多成员分组条件 | ||
mmc | 多成员协变量 | ||
mo | brms模型中的单调预测 | ||
model_weights | 模型加权法 | ||
model_weights.brmsfit | 模型加权法 | ||
multinomial | “brms”型号的特殊系列功能 | ||
MultiNormal | 多元正态分布 | ||
MultiStudentT | 多元Student-t分布 | ||
mvbf | 建立多元模型公式,用于“brms” | ||
mvbind | 多元模型中的约束响应变量 | ||
mvbrmsformula | 建立多元模型公式,用于“brms” | ||
neff_ratio | 提取“brms”模型的诊断量 | ||
neff_ratio.brmsfit | 提取“brms”模型的诊断量 | ||
negbinomial | “brms”型号的特殊系列功能 | ||
ngrps | 分组因子级别数 | ||
ngrps.brmsfit | 分组因子级别数 | ||
nlf | “brms”中的线性和非线性公式 | ||
nsamples | 后验样本数 | ||
nsamples.brmsfit | 后验样本数 | ||
nuts_params | 提取“brms”模型的诊断量 | ||
nuts_params.brmsfit | 提取“brms”模型的诊断量 | ||
pairs.brmsfit | 从“brmsfit”对象创建输出图矩阵 | ||
parnames | 提取参数名称 | ||
parnames.brmsfit | 提取参数名称 | ||
parse_bf | brms模型的解析公式 | ||
pasym_laplace | 非对称拉普拉斯分布 | ||
pexgaussian | 指数修正高斯分布 | ||
pfrechet | Frechet分布 | ||
pgen_extreme_value | 广义极值分布 | ||
phurdle_gamma | 障碍分布 | ||
phurdle_lognormal | 障碍分布 | ||
phurdle_negbinomial | 障碍分布 | ||
phurdle_poisson | 障碍分布 | ||
pinv_gaussian | 逆高斯分布 | ||
plot.brmsfit | MCMC样品的示踪图和密度图 | ||
plot.brmshypothesis | “brmshypothesis”对象的描述 | ||
plot.brms_conditional_effects | 显示预测器的条件效应 | ||
posterior_average | 模型参数的后验样本平均值 | ||
posterior_average.brmsfit | 模型参数的后验样本平均值 | ||
posterior_epred | 后验预测分布的期望值 | ||
posterior_epred.brmsfit | 后验预测分布的期望值 | ||
posterior_interval | 计算后验不确定度区间 | ||
posterior_interval.brmsfit | 计算后验不确定度区间 | ||
posterior_linpred | 线性预测的后验样本 | ||
posterior_linpred.brmsfit | 线性预测的后验样本 | ||
posterior_predict | 后验预测分布样本 | ||
posterior_predict.brmsfit | 后验预测分布样本 | ||
posterior_samples | 提取后验样本 | ||
posterior_samples.brmsfit | 提取后验样本 | ||
posterior_smooths | 光滑项的后验预测 | ||
posterior_smooths.brmsfit | 光滑项的后验预测 | ||
posterior_summary | 总结后验样本 | ||
posterior_summary.brmsfit | 总结后验样本 | ||
posterior_summary.default | 总结后验样本 | ||
posterior_table | 后验样本的表格创建 | ||
post_prob | 边际似然的后验模型概率 | ||
post_prob.brmsfit | 边际似然的后验模型概率 | ||
pp_average | 后验预测样本跨模型平均 | ||
pp_average.brmsfit | 后验预测样本跨模型平均 | ||
pp_check | “brmsfit”对象的后验预测检查 | ||
pp_check.brmsfit | “brmsfit”对象的后验预测检查 | ||
pp_expect | 后验预测分布的期望值 | ||
pp_mixture | 混合组分成员的后验概率 | ||
pp_mixture.brmsfit | 混合组分成员的后验概率 | ||
predict.brmsfit | 后验预测分布样本 | ||
predictive_error | 预测误差的后验样本 | ||
predictive_error.brmsfit | 预测误差的后验样本 | ||
predictive_interval | 预测间隔 | ||
predictive_interval.brmsfit | 预测间隔 | ||
prepare_predictions | 准备预测 | ||
prepare_predictions.brmsfit | 准备预测 | ||
print.brmsfit | 打印由“brmsfit”对象表示的拟合模型的摘要 | ||
print.brmshypothesis | “brmshypothesis”对象的描述 | ||
print.brmsprior | “brmsprior”对象的打印方法 | ||
print.brmssummary | 打印由“brmsfit”对象表示的拟合模型的摘要 | ||
prior | “brms”模型的先前定义 | ||
prior_ | “brms”模型的先前定义 | ||
prior_samples | 提取先前样本 | ||
prior_samples.brmsfit | 提取先前样本 | ||
prior_string | “brms”模型的先前定义 | ||
prior_summary | 基于brms的贝叶斯模型先验信息提取 | ||
prior_summary.brmsfit | 基于brms的贝叶斯模型先验信息提取 | ||
pshifted_lnorm | 移位对数正态分布 | ||
pskew_normal | 偏正态分布 | ||
pstudent_t | 学生t分布 | ||
pvon_mises | 米塞斯分布 | ||
pzero_inflated_beta | 零膨胀分布 | ||
pzero_inflated_binomial | 零膨胀分布 | ||
pzero_inflated_negbinomial | 零膨胀分布 | ||
pzero_inflated_poisson | 零膨胀分布 | ||
qasym_laplace | 非对称拉普拉斯分布 | ||
qfrechet | Frechet分布 | ||
qshifted_lnorm | 移位对数正态分布 | ||
qskew_normal | 偏正态分布 | ||
qstudent_t | 学生t分布 | ||
ranef | 提取组级别估计 | ||
ranef.brmsfit | 提取组级别估计 | ||
rasym_laplace | 非对称拉普拉斯分布 | ||
rdirichlet | 狄里克莱分布 | ||
recover_data.brmsfit | “emmeans”的支持功能 | ||
reloo | 为有问题的观测值计算精确交叉验证 | ||
reloo.brmsfit | 为有问题的观测值计算精确交叉验证 | ||
reloo.loo | 为有问题的观测值计算精确交叉验证 | ||
rename_pars | 重命名参数 | ||
residuals.brmsfit | 残差/预测误差的后验样本 | ||
resp_cat | 其他响应信息 | ||
resp_cens | 其他响应信息 | ||
resp_dec | 其他响应信息 | ||
resp_mi | 其他响应信息 | ||
resp_rate | 其他响应信息 | ||
resp_se | 其他响应信息 | ||
resp_subset | 其他响应信息 | ||
resp_thres | 其他响应信息 | ||
resp_trials | 其他响应信息 | ||
resp_trunc | 其他响应信息 | ||
resp_vint | 其他响应信息 | ||
resp_vreal | 其他响应信息 | ||
resp_weights | 其他响应信息 | ||
restructure | 重新构造旧的“brmsfit”对象 | ||
rexgaussian | 指数修正高斯分布 | ||
rfrechet | Frechet分布 | ||
rgen_extreme_value | 广义极值分布 | ||
rhat | 提取“brms”模型的诊断量 | ||
rhat.brmsfit | 提取“brms”模型的诊断量 | ||
rinv_gaussian | 逆高斯分布 | ||
rmulti_normal | 多元正态分布 | ||
rmulti_student_t | 多元Student-t分布 | ||
rows2labels | 将行转换为标签 | ||
rshifted_lnorm | 移位对数正态分布 | ||
rskew_normal | 偏正态分布 | ||
rstudent_t | 学生t分布 | ||
rvon_mises | 米塞斯分布 | ||
rwiener | Wiener扩散模型分布 | ||
s | 在“brms”公式中定义平滑 | ||
sar | 空间同时自回归结构 | ||
save_pars | 参数图的控制保存 | ||
set_mecor | “brms”中的线性和非线性公式 | ||
set_nl | “brms”中的线性和非线性公式 | ||
set_prior | “brms”模型的先前定义 | ||
set_rescor | “brms”中的线性和非线性公式 | ||
Shifted_Lognormal | 移位对数正态分布 | ||
shifted_lognormal | “brms”型号的特殊系列功能 | ||
SkewNormal | 偏正态分布 | ||
skew_normal | “brms”型号的特殊系列功能 | ||
sratio | “brms”型号的特殊系列功能 | ||
stancode | 提取标准型号代码 | ||
stancode.brmsfit | 提取标准型号代码 | ||
standata | 提取传递给Stan的数据 | ||
standata.brmsfit | 提取传递给Stan的数据 | ||
stanplot | “bayesplot”中实现的MCMC图 | ||
stanplot.brmsfit | “bayesplot”中实现的MCMC图 | ||
stanvar | 传递给Stan的用户定义变量 | ||
stanvars | 传递给Stan的用户定义变量 | ||
student | “brms”型号的特殊系列功能 | ||
StudentT | 学生t分布 | ||
summary.brmsfit | 创建由“brmsfit”对象表示的拟合模型的摘要 | ||
t2 | 在“brms”公式中定义平滑 | ||
theme_black | (已弃用)“ggplot2”图形的黑色主题 | ||
theme_default | “ggplot2”图形的默认“bayesplot”主题 | ||
threading | 斯坦螺纹 | ||
update.brmsfit | 更新“brms”模型 | ||
update.brmsfit_multiple | 基于多个数据集更新“brms”模型 | ||
update_adterms | 更新公式添加项 | ||
validate_newdata | 验证新数据 | ||
VarCorr | 提取方差和相关分量 | ||
VarCorr.brmsfit | 提取方差和相关分量 | ||
varsel | 投影预测变量选择 | ||
varsel.brmsfit | 投影预测变量选择 | ||
vcov.brmsfit | 总体水平效应的协方差和相关矩阵 | ||
VonMises | 米塞斯分布 | ||
von_mises | “brms”型号的特殊系列功能 | ||
WAIC | 广泛适用的信息准则(WAIC) | ||
waic | 广泛适用的信息准则(WAIC) | ||
WAIC.brmsfit | 广泛适用的信息准则(WAIC) | ||
waic.brmsfit | 广泛适用的信息准则(WAIC) | ||
weibull | “brms”型号的特殊系列功能 | ||
Wiener | Wiener扩散模型分布 | ||
wiener | “brms”型号的特殊系列功能 | ||
ZeroInflated | 零膨胀分布 | ||
zero_inflated_beta | “brms”型号的特殊系列功能 | ||
zero_inflated_binomial | “brms”型号的特殊系列功能 | ||
zero_inflated_negbinomial | “brms”型号的特殊系列功能 | ||
zero_inflated_poisson | “brms”型号的特殊系列功能 | ||
zero_one_inflated_beta | “brms”型号的特殊系列功能 |