| 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 |