OpenBUGS 软件是一款基于贝叶斯统计表面研发的统计软件，其允许用户给未知参数指定先验信息并使用 MCMC（Markov Chain Monte Carlo）举止来忖度参数的后验分散色五月第一门户，是贝叶斯统计推断的过劲器用。
本文运用非条目 Logisitic 回首模子，参谋少年儿童臃肿与胆固醇、甘油三酯、年事和性别之间的关系，来先容 OpenBUGS 软件的具体操作法式。
数据起首于孙振球、徐勇勇主编的《医学统计学》第四版 P260 第二题。
用 ri 显露第 i 组少年儿童臃肿的阳性数，ni 显露第 i 组不雅察总例数，pi 显露第 i 组儿童臃肿的阳性率，则有 ri～Binomial(pi，ni)。
建造模子：
logit(pi)=β0+β11[i]+β22[i]+β33[i]+β44[i]。
其中 beta 用 β 显露；β0 为常数项，又称截距；βj(j=1，2，3，4) 为自变量 Xj 的偏回首系数；模子的参数 β0，β1，β2，β3 和 β4 照旧给定了颓落的「non-informative」先验分散。
第一步 | 模子的建造（New Model）
通过 OpenBUGS 软件进行 Doodle 建模，用来指定各参数的分散类型和逻辑关系，如图 1 所示：
图 1 Doodle 模子结构暗示图
图 1 中每一个椭圆显露一个节点，矩形显露常数节点，单线箭头显露从父节点到无意型子节点，双线空腹箭头显露从父节点到逻辑型子节点，边际较粗的矩形为平板，其左下角的 「for（i IN 1：N）」显露 for 轮回，骨子是计较 N 个组的似然函数，从而得到通盘数据的似然函数。
第二步 | 模子的查验（Check Model）
模子设定完成后，点击 Model 下拉菜单 Specification 中的 Check Model 按钮对模块进行查验，若查验无误，则软件窗口左下方会教唆「Model is syntactically correct」，同期按钮 Load Data 和 Compile 被激活，教唆不错加载数据并进行编译。
第三步 | 数据的加载（Load Data）和编译（Compile Model）
将鼠标移到数据指点语「List」并选中，点击 Load Data（加载数据）按钮，若左下方教唆「Data loaded」，则点击 Compile 按钮进行编译，编译告捷后，窗口底部左下方会教唆「Model compiled」，立时 Load Inits 和 Gen Inits 按钮被激活 。
第四步 | 伊始值的设定（Initial Values）
与加载数据访佛，选中指点语 「List」，点击 Load Inits 按钮加载。
若是只产生一条链，此时窗口左下方出现「Model is initialized」，Gen Inits 按钮变灰，教唆伊始值诞生完成。
若是产生 2 条或 2 条以上的链，此时窗口左下方教唆「Initial values loaded but chain contains uninitialized variables」，络续点击 Gen Load 按钮，教唆「Initial values generated， Model is initialized 」，伊始值设定完成。
第五步 | 模子的退火（Burn In）
点击 Inference 下拉菜单中的 Samples 按钮，在弹出的 「Sample Monitor Tool」 对话框中的 Beg 处输入相应的数字，如输入 1 000 则显露抛去前 1 000 次抽样以摒除伊始值对抽样的影响，终了对模子的退火，从 1 001 次伊始抽样。
第六步 | 变量的监控（Monitor Nodes）
通过点击 Inference 下拉菜单中的 Samples，在弹出的对话框 Node 处，添加我方念念要不雅察的变量名（本例主要不雅察的变量为 β0，β1，β2，β3，β4），逐个按 Set 键细则，同期不错在 Percentiles 下方的列表中接收给出的置信区间，默许为 95%（val2.5pc，val97.5pc）置信区间。
第七步 | 模子的迭代（Updates）
通过点击 Model 下拉菜单中的 Updates 按钮对模子进行迭代运算，迭代的次数和步长不错自行诞生。
第八步 | 遵守的输出（Output）
通过 Inference 下拉菜单中 Samples 选项，在盛开的「Sample Monitor Tool」对话框中的 Node 处输入前边指定的不雅察参数，也不错平直输入「」（「」代表整个指定的参数），就不错得到各参数后验分散统计量，如图 2-7 所示。
图 2 各参数后验分散统计量
其中：
MC＿error 显露蒙特卡罗模拟的瑕疵，用来度量由模拟引起的参数均值的方差；
val2.5pc 和 val97.5pc 划分显露中位数的 95% 置信区间的下限和上限；Median 显露中位数，频繁比 Mean 更清醒；
Start 显露 Gibbs 抽样得肇始点，Sample 显露系数抽取的样本数。
图 3 核密度图
图 4 迭代轨迹图
图 5 分位数图
图 6 自联系函数图
图 7 迭代历史图
第九步 | 管制性的判别
模子的管制性不错通过不雅察遍历均值进行判断，在得到的链中每隔一段距离计较所不雅察参数的遍历均值，当这么算的的均值清醒后，可以为模子管制。
也不错通过迭代轨迹图和迭代历史图来进行判断，当迭代轨迹和历史迭代趋于清醒，不错以为模子管制。
临了得到的回首方程为：Logit(pi)=-2.14-0.52X1-0.23X2+0.26X3+0.79X4。
本文只是对 OpenBUGS 软件作念了一个肤浅的先容色五月第一门户，通过实例应用，使读者对该软件有一个初步的了解，并能掌执 OpenBUGS 软件的基本操作。