山大集中講義準備

準備・確認していただきたいもの

PC環境の確認
Rの最新版を準備する
RStudioの最新版を準備する
関連するパッケージを準備する
問題なく動くかどうかを確認する

PC環境の確認

Windowsユーザの方は以下の点にご注意ください

ユーザー名に2バイト文字(全角文字)が含まれているとRStudioの描画やパッケージのインストールなどでエラーが生じることがあります。
2バイト文字でアカウントを作っている場合→半角英数文字の管理者権限を持ったアカウントを新たに作ってください
ウイルス対策ソフトが常駐していると，rstanのコンパイルを阻むことがあります。ウイルス対策ソフトを停止した上で，パッケージのインストールやコードの実行を行っていただくことをお勧めします。

Rの最新版を準備する

Rのサイトはこちらです。Rの最新バージョンは3.5.2ですので，ご準備ください。

Windowsユーザの場合

Download and Install Rより，base(基本・R本体)とRtools(コンパイラなど)をダウンロード，インストールしてください。
インストールする場所やオプションについて不明な場合は，全てインストーラのデフォルト設定で構いません。「次へ」のボタンを繰り返しクリックし，インストールしてください。
Rtoolsをインストールするときも，不明な場合はデフォルトの設定で構いませんので，「次へ」のボタンを繰り返しクリックしてください。
デフォルトでPATHにRtoolsへのパスが追記されます。選択するときに除外しないように注意してください。

Macユーザの場合

Download R for (Mac) OS Xより，R-3.5.2.pkgをダウンロードし，実行してください。

RStudioの最新版を準備する

RStudioのサイトはこちらです。RStudioの最新バージョンは1.1.463ですので，ご準備ください。OSに応じて最新版のインストーラをダウンロードし，実行してください。

問題なく動くか確認する

環境の準備ができれば，次のコードをコピー＆ペーストで実行してください。

library(rstan)
rstan_options(auto_write = TRUE)
options(mc.cores = parallel::detectCores())
stancode <- "
data {
int<lower=0> J; // number of schools 
real y[J]; // estimated treatment effects
real<lower=0> sigma[J]; // s.e. of effect estimates 
}
parameters {
real mu; 
real<lower=0> tau;
real eta[J];
}
transformed parameters {
real theta[J];
for (j in 1:J)
theta[j] = mu + tau * eta[j];
}
model {
target += normal_lpdf(eta | 0, 1);
target += normal_lpdf(y | theta, sigma);
}
"
schools_dat <- list(J = 8, y = c(28, 8, -3, 7, -1, 1, 18, 12), 
                    sigma = c(15, 10, 16, 11, 9, 11, 10, 18))
model.ex <- stan_model(model_code = stancode, model_name = "school")
fit.samp <- sampling(model.ex, data = schools_dat, iter = 1000, 
                     chains = 4)

## Warning: There were 1 divergent transitions after warmup. Increasing adapt_delta above 0.8 may help. See
## http://mc-stan.org/misc/warnings.html#divergent-transitions-after-warmup

## Warning: Examine the pairs() plot to diagnose sampling problems

fit.samp

## Inference for Stan model: school.
## 4 chains, each with iter=1000; warmup=500; thin=1; 
## post-warmup draws per chain=500, total post-warmup draws=2000.
## 
##            mean se_mean   sd   2.5%    25%    50%    75%  97.5% n_eff Rhat
## mu         8.10    0.16 5.13  -1.32   4.59   8.08  11.32  18.71   974 1.00
## tau        6.53    0.18 5.17   0.34   2.66   5.36   9.12  19.31   827 1.01
## eta[1]     0.42    0.02 0.95  -1.47  -0.20   0.44   1.06   2.24  2035 1.00
## eta[2]    -0.01    0.02 0.85  -1.74  -0.56   0.00   0.55   1.60  2062 1.00
## eta[3]    -0.21    0.02 0.93  -2.02  -0.82  -0.23   0.40   1.61  1719 1.00
## eta[4]    -0.05    0.02 0.84  -1.69  -0.61  -0.04   0.48   1.63  1826 1.00
## eta[5]    -0.38    0.02 0.85  -2.05  -0.95  -0.42   0.16   1.34  1887 1.00
## eta[6]    -0.22    0.02 0.90  -1.91  -0.82  -0.26   0.39   1.53  1885 1.00
## eta[7]     0.33    0.02 0.87  -1.47  -0.22   0.34   0.91   2.00  1367 1.00
## eta[8]     0.05    0.02 0.93  -1.77  -0.60   0.06   0.67   1.84  1849 1.00
## theta[1]  11.68    0.21 8.18  -1.38   6.31  10.58  15.72  30.93  1523 1.00
## theta[2]   8.04    0.14 6.27  -5.29   3.98   8.16  12.15  20.17  1972 1.00
## theta[3]   6.31    0.17 7.49 -10.72   2.18   6.78  11.14  20.01  1949 1.00
## theta[4]   7.66    0.14 6.49  -5.13   3.75   7.52  11.60  21.34  2112 1.00
## theta[5]   5.18    0.15 6.15  -7.64   1.43   5.55   9.34  16.41  1772 1.00
## theta[6]   6.10    0.15 6.85  -9.46   2.05   6.42  10.47  19.24  2096 1.00
## theta[7]  10.64    0.17 6.76  -1.31   6.04  10.11  14.57  25.71  1523 1.00
## theta[8]   8.63    0.20 7.88  -7.00   3.97   8.43  12.85  25.97  1610 1.00
## lp__     -39.41    0.10 2.51 -45.17 -40.94 -39.23 -37.61 -35.09   680 1.01
## 
## Samples were drawn using NUTS(diag_e) at Fri Mar  8 17:11:11 2019.
## For each parameter, n_eff is a crude measure of effective sample size,
## and Rhat is the potential scale reduction factor on split chains (at 
## convergence, Rhat=1).

なにやら上記のような文字列が出ていたら準備完了です。

Rのコードについては，本サイトからコピー＆ペーストで使ってもらって結構ですが，Rの基本的な使い方，RStudioの基本的な使い方，ggplotによる描画の方法などについて，「RユーザのためのRStudio入門」を参考に予習しておいていただけると，理解が進むと思います。