外部 BUGS 变体是标准配置。在 R 中工作可能很方便，但如果这些软件包同样成熟并且性能也一样，我会感到惊讶。使用桥接 R 和外部程序的库通常是最常见的折衷方案。

我使用 jags/rjags 组合（jags 可能大致被认为是 bug 的一种方言）。我还没有尝试过其他错误变体，但我听到的报告是，jags 的性能和处理数字问题的能力比其他错误变体要好一些。我发现 jags 很容易使用，但是当然，你需要一些贝叶斯数据分析的知识才能知道如何使用它。

在 3 个 BUGS 变体（openBUGS/winBUGS、jags）中，对于未来的功能开发而言，jags 似乎是最有希望的，而 openBUGS/winBUGS 似乎是死项目。然而，jags 仍然缺少 openBUGS/winBUGS 中的一些细节（也看这里）。另一方面，jags 消除了 WinBUGS 中存在的一些限制，例如：

x ~ dnorm(0, tau) 
tau ~ dgamma(1.0E-3, 1.0E-3) # in WinBUGS, you cannot do this, 1.0E-3 is too small 
                             # for dgamma (use e.g. dgamma(0.01, 0.01))

好消息是，对于大多数模型，您只需进行少量更改即可在所有 3 个工具中运行它们，因此您可以稍后切换到不同的工具而不会出现太多问题（这就是我所做的）。

然而，由于某些原因（例如缺乏并行性和解释器性质），这些 BUGS 变体并不是进行贝叶斯分析的最快方法！事实上，恰恰相反。BUGS 项目非常适合在小型数据集上测试和开发复杂的模型。一旦您开发了模型，并且需要在大型数据集上重复运行它，使用不同的工具会更有效。

例如，据说 CppBugs / rcpp 组合比 BUGS 变体快 5-10 倍。原则是你基本上把你的模型编译成一个运行速度更快的 C++ 程序。还可以查看Dirk Eddelbuettel 的 Rcpp 测试博客- 看起来非常快。你也可以玩并行。

您还可以使用bugsparallel在 WinBUGS 中进行并行计算。