MCMC 诊断插件为包含来自一个或多个平行马尔可夫链的后验样本的数据集计算收敛诊断以及等尾和 HPD 可信区间。 包括两个后验概率计算器。 此加载项不执行 MCMC，但允许直接分析和审查后验样本。
下面的对话框显示了来自 Mehrotra & Heyse (2004) 的 40 个不良事件的贝叶斯分层模型中 3 个独立运行的马尔可夫链的 60,000 个 MCMC 样本的示例。提供了独立的马尔可夫链，以便计算 Gelman-Rubin 诊断。
下图显示了诊断面板，其中每个参数都使用多个图表和分析进行汇总。这些分析包括
- 链 1 的非参数密度曲线和汇总统计的直方图
- MCMC 样本的迹线图对于链条 1
- 用于评估链 1 跨时间样本自相关的绘图和检验
- 如果提供了多个链，则提供所有链的跟踪图以评估收敛性以及 Gelman-Rubin 诊断
为链 1 提供了包含等尾和最高后验密度 (HPD) 可信区间的森林图。
提供了一个单变量概率计算器来计算每个参数在提供的范围内的概率。在这里，我计算了参数为正的概率，这表明新疗法存在过度风险。
多元概率计算器可让您计算参数集何时共同满足标准。在这里，我计算了前五个参数同时为正的概率。 这可以解释为前五个不良事件同时显示过度风险的概率。
去support.sas.com/resources/papers/proceedings13/179-2013.pdf了解更多详情。
Mehrotra DV & Heyse JF. （2004 年）。 使用错误发现率评估临床安全性数据。 医学研究中的统计方法13：227-238。
