Pour quelles distributions les paramétrisations dans BUGS et R sont-elles différentes?

J'ai trouvé quelques distributions pour lesquelles BUGS et R ont des paramétrisations différentes: Normal, log-Normal et Weibull.

Pour chacun d'eux, je suppose que le deuxième paramètre utilisé par R doit être transformé inversement (1 / paramètre) avant d'être utilisé dans BUGS (ou JAGS dans mon cas).

Quelqu'un connaît-il une liste complète de ces transformations qui existe actuellement?

Le plus proche que je puisse trouver serait de comparer les distributions du tableau 7 du manuel d'utilisation de JAGS 2.2.0 avec les résultats de ?rnormetc. et peut-être quelques textes de probabilité. Cette approche semble nécessiter que les transformations devront être déduites des pdfs séparément.

Je préférerais éviter cette tâche (et d'éventuelles erreurs) si cela a déjà été fait, sinon commencer la liste ici.

Mise à jour

Sur la base des suggestions de Ben, j'ai écrit la fonction suivante pour transformer une trame de données de paramètres de R en paramétrisation BUGS.

##' convert R parameterizations to BUGS paramaterizations
##' 
##' R and BUGS have different parameterizations for some distributions. 
##' This function transforms the distributions from R defaults to BUGS 
##' defaults. BUGS is an implementation of the BUGS language, and these 
##' transformations are expected to work for bugs.
##' @param priors data.frame with colnames c('distn', 'parama', 'paramb')
##' @return priors with jags parameterizations
##' @author David LeBauer

r2bugs.distributions <- function(priors) {

  norm   <- priors$distn %in% 'norm'
  lnorm  <- priors$distn %in% 'lnorm'
  weib   <- priors$distn %in% 'weibull'
  bin    <- priors$distn %in% 'binom'

  ## Convert sd to precision for norm & lnorm
  priors$paramb[norm | lnorm] <-  1/priors$paramb[norm | lnorm]^2
  ## Convert R parameter b to JAGS parameter lambda by l = (1/b)^a
  priors$paramb[weib] <-   1 / priors$paramb[weib]^priors$parama[weib]
  ## Reverse parameter order for binomial
  priors[bin, c('parama', 'paramb')] <-  priors[bin, c('parama', 'paramb')]

  ## Translate distribution names
  priors$distn <- gsub('weibull', 'weib',
                       gsub('binom', 'bin',
                            gsub('chisq', 'chisqr',
                                 gsub('nbinom', 'negbin',
                                      as.vector(priors$distn)))))
  return(priors)
}

##' @examples
##' priors <- data.frame(distn = c('weibull', 'lnorm', 'norm', 'gamma'),
##'                     parama = c(1, 1, 1, 1),
##'                     paramb = c(2, 2, 2, 2))
##' r2bugs.distributions(priors)

Je ne connais pas de liste en conserve.

mise à jour : cette liste (ainsi que des informations supplémentaires) est maintenant publiée sous Translating Probability Density Functions: From R to BUGS and Back Again (2013), DS LeBauer, MC Dietze, BM Bolker R Journal 5 (1), 207-209.

Voici ma liste (modifications fournies par l'interrogateur d'origine):

$\tau$$\sigma$$\sigma^2$$\tau = 1/\sigma^2 = 1/\mbox{var}$

Beta, Poisson, Exponential, Uniform sont tous les mêmes

Le binôme négatif dans BUGS n'a que le paramétrage discret (taille, prob), pas le paramétrage "écologique" (taille, mu, où la taille peut être non entière).

$\nu$shape$\lambda$lambda$a$shape$b$scale$\lambda= (1/b)^a$

Gamma dans BUGS est ( shape, rate). C'est la valeur par défaut dans R, mais R permet également (forme, échelle) [si l'argument d'échelle est nommé]; taux = 1 / échelle

L'ordre est important , en particulier dans BUGS (qui n'a pas d'arguments nommés), par exemple R dbinom(x,size,prob)vs BUGS dbin(p,n)[mêmes paramètres, ordre opposé].

Différences de nom :

• Binôme : R = dbinom, BUGS =dbin
• Chi carré : R = dchisq, BUGS =dchisqr
• Weibull : R = dweibull, BUGS =dweib
• Binôme négatif : R = dnbinom, BUGS =dnegbin

modifier : pour les distributions tronquées BUGS utilisations I(), Jags utilisations dinterval()[il vaut la peine de regarder dans la documentation JAGS si vous allez l' utiliser, il peut y avoir d' autres différences subtiles]