原文鏈接：http://tecdat.cn/?p=11974
R2WinBUGS軟件包提供了從R調用WinBUGS的便捷功能。它自動以WinBUGS可讀的格式寫入數據和腳本，以進行批處理（自1.4版開始）。WinBUGS流程完成後，可以通過程序包本身將結果數據讀取到R中（這提供了推斷和收斂診斷的緊湊圖形摘要），也可以使用coda程序包的功能對輸出進行進一步分析。
WinBUGS軟件可從http://www.mrc-bsu.cam.ac.uk/bugs/免費獲得。
R是一種“用於數據分析和圖形處理的語言”，是一種實現該語言的開放源代碼和免費提供的統計軟件包，請參見http://www.R-project.org/。 R和R2WinBUGS可從CRAN 獲得，即http://CRAN.R-Project.org或其鏡像之一。R2WinBUGS可以移植到商業實施S-Plus。 如果可以使用Internet連接，則可以在R命令提示符下鍵入install.packages（“ R2WinBUGS”）來安裝R2WinBUGS。別忘了用library(R2WinBUGS)
例子
學校數據
學術能力測驗（SAT）衡量高中生的能力，以幫助大學做出入學決定。 我們的數據來自1970年代後期進行的一項實驗，來自八所高中的SAT-V（學業能力測試語言）。SAT-V是由教育測試服務局管理的標準多項選擇測試。該服務對所選學校中每所學校的教練計劃的效果很感興趣。
實現
R2WinBUGS軟件包的實現非常簡單。\ main“函數bugs（） 旨在由用戶調用。原則上，它是對 其中逐步調用的其他幾個函數的包裝，如下：
1. bugs.data.inits（）寫入數據文件' data.txt”和“ inits1.txt”，“ inits2.txt” ...進入 工作目錄。
2. bugs.script（）寫入WinBUGS用於批處理的文件“ script.txt”。
3. bugs.run（）更新WinBUGS註冊表中自適應階段的長度 ，調用WinBUGS，並使用 'script.txt' 以批處理模式運行它。
R2WinBUGS軟件包的實現非常簡單。\ main“函數bugs（）
原則上，它是對 其中逐步調用的其他幾個函數的包裝，如下：
1. bugs.data.inits（）寫入數據文件' data.txt”和“ inits1.txt”，“ inits2.txt” ...進入 工作目錄，這些文件將由WinBUGS在批處理過程中使用。
2 . bugs.script（）寫入文件“ script”。 txt”，由WinBUGS用於批處理 。
3. bugs.run（）更新WinBUGS註冊表中自適應階段的長度（使用bugs.update.settings（）函數），調用WinBUGS並批量運行“script.txt”。
4. bugs.sims（）如果參數codaPkg已設置爲false（默認值）才調用。
否則，bugs（）返回存儲數據的文件名。例如，這些可以通過打包的coda 導入，該軟件包提供了收斂診斷，蒙特卡洛估計的計算，跡線圖等功能。
bugs.sims（）函數將WinBUGS中的模擬讀取到R中（不一定 由bugs（）本身調用），將其格式化，監視收斂，執行收斂檢查並
計算中位數和分位數。它還爲bugs（）本身準備輸出。
這些功能不旨在由用戶直接調用。 如果合適，參數將從bugs（）傳遞給其他函數。一個簡短的bugs（）幫助文件，其中列出了
軟件包R2WinBUGS 之後，請在R中進行調試
例子
我們將 R2WinBUGS提供的功能應用於示例數據並分析輸出。
學校數據
示例數據 ：
> schools
爲了對這些數據進行建模，我們使用了Gelman等人提出的分層模型。 我們假設每所學校的觀測估計值具有正態分佈，且均值theta 和反方差tau.y。逆方差爲1 =σ.y2，其先驗分佈在（0,1000）上是均勻的。對於均值theta，我們採用另一個正態分佈 平均mu.theta和反方差tau.theta。有關其先前的分佈，請參見以下
WinBUGS代碼：
model {
for (j in 1:J)
{
y[j] ~ dnorm (theta[j], tau.y[j])
theta[j] ~ dnorm (mu.theta, tau.theta)
tau.y[j] <- pow(sigma.y[j], -2)
}
mu.theta ~ dnorm (0.0, 1.0E-6)
tau.theta <- pow(sigma.theta, -2)
sigma.theta ~ dunif (0, 1000)
}
此模型必須存儲在單獨的文件中，例如'schools.bug'2，在適當的目錄中，例如c：/ schools /。在R中，用戶必須準備bugs（）函數所需的數據輸入。這可以是包含每個數據向量名稱的列表，例如
> J <- nrow(schools)
使用這些數據和模型文件，我們可以運行MCMC模擬以獲取theta， mu.theta和sigma.theta的估計值。在運行之前，用戶必須確定要運行多少個鏈 （n.chain = 3）和迭代次數（n.iter = 1000）。另外，用戶必須指定鏈的初始值，例如通過編寫函數。
> inits <- function(){
+ list(theta = rnorm(J, 0, 100), mu.theta = rnorm(1, 0, 100),
+ sigma.theta = runif(1, 0, 100))
+ }
可以開始MCMC模擬，R中的參數bugs.directory必須指向WinBUGS的安裝目錄。可以通過print（schools.sim）方便地打印school.sim對象中的結果。 泛型函數print（）調用由R2WinBUGS提供的類錯誤對象的print方法。
對於此示例，將獲得類似的結果
Inference for Bugs model at "c:/schools/schools.bug"
3 chains, each with 1000 iterations (first 500 discarded)
n.sims = 1500 iterations saved
mean sd 2.5% 25% 50% 75% 97.5% Rhat n.eff
theta[1] 11.1 9.1 -3.0 5.0 10.0 16.0 31.8 1.1 39
theta[2] 7.6 6.6 -4.7 3.3 7.8 11.6 21.1 1.1 42
theta[3] 5.7 8.4 -12.5 0.6 6.1 10.8 21.8 1.0 150
theta[4] 7.1 7.0 -6.6 2.7 7.2 11.5 21.0 1.1 42
theta[5] 5.1 6.8 -9.5 0.7 5.2 9.7 18.1 1.0 83
theta[6] 5.7 7.3 -9.7 1.0 6.2 10.2 20.0 1.0 56
theta[7] 10.4 7.3 -2.1 5.3 9.8 15.3 25.5 1.1 27
theta[8] 8.3 8.4 -6.6 2.8 8.1 12.7 26.2 1.0 64
mu.theta 7.6 5.9 -3.0 3.7 8.0 11.0 19.5 1.1 35
sigma.theta 6.7 5.6 0.3 2.8 5.1 9.2 21.2 1.1 46
deviance 60.8 2.5 57.0 59.1 60.2 62.1 66.6 1.0 170
pD = 3 and DIC = 63.8 (using the rule, pD = var(deviance)/2)
For each parameter, n.eff is a crude measure of effective sample size,
and Rhat is the potential scale reduction factor (at convergence, Rhat=1).
DIC is an estimate of expected predictive error (lower deviance is better).
此外，用戶可以通過鍵入plot（schools.sim）生成結果圖。 結果圖如圖4所示。在該圖中，左列顯示了以下內容的快速摘要：
推論和收斂（所有參數的Rb都接近1.0，表明三個鏈的良好混合，因此近似收斂）；右列顯示每組參數的推論。從右欄中可以看到，R2WinBUGS使用 WinBUGS中的參數名稱將輸出構造爲標量，向量和參數數組。