JAGS

JAGS es un programa para el análisis de modelos jerárquicos Bayesianos (Plummer 2003) los cuales son utilizados en la modelación de datos cuyas estructuras jerárquicas se observan a través de efectos aleatorios. La ventaja del programa JAGS es la facilidad de uso e interacción en R con los paquetes “rjags” y “R2jags”. En JAGS se debe especificar las distribuciones iniciales, la verosimilitud y los datos observados.

El modelo JAGS tiene como ventajas ser usado para experimentos de modelación Bayesiana donde tendrá 2 partes los cuales son: modelo y los datos.

Si bien es posible realizar estadísticas básicas sin tener demasiado en cuenta la ecuación real (modelo) que se está empleando, a medida que aumenta la complejidad del análisis, la necesidad de comprender el modelo se vuelve cada vez más importante. Además, la especificación del modelo en JAGS (un lenguaje utilizado para programar el modelado bayesiano) se alinea muy de cerca con las fórmulas. Por lo tanto, una buena comprensión es vital para poder crear un modelo bayesiano sensato. En consecuencia, siempre presentará las fórmulas del modelo lineal junto con el análisis correspondiente. Para demostrar cómo se ve una regresión lineal en JAGS, se va hacer el uso de un conjunto de datos simulados, donde la regresión lineal se basa en la suposición de que los datos son muestras aleatorias de distribuciones normales con la misma varianza y una media que es una función lineal de los predictores.

2. Objetivos

Objetivo general

- Aplicar el modelo JAGS a la estimación de parámetros de regresión a partir de datos simulados usando cadenas de Markov de Monte Carlo (MCMC) mediante uso de los paquetes de R: R2jags y rjags.

Objetivo específico

- Generar y centrar datos para la estimación de parámetros de regresión

- Ejecutar un análisis exploratorio de los datos para verificar la normalidad, homogeneidad de la varianza y linealidad.

- Ajustar el modelo de regresión e iniciar la función JAGS.

- Estimar los parámetros de regresión.

...