how to show .pdf file in asp.net web application using c# : Search text in pdf using java control software system azure windows .net console v61i071-part1779

Journal of Statistical Software
11
1/1/14
WebBUGS
webbugs.psychstat.org/step3.php
1/1
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome JSS  »  New | Current | Re-run | Copy | Email | Share | All Analyses | Modules | FAQ
Your analysis is running ...
You will be redirected to the results in 5 seconds. If your browser does not redirect or you want to see the
results immediately, click this link: http://webbugs.psychstat.org/results.php?
url=16e0ec1dfbebe12c385ff278be859cef.
If you expect your analysis is time consuming, you can email yourself the results or share them with
others.
Email the results
Share the results
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 7: A user will see this page if the update cannot be completed immediately. This page
will refresh every 10 seconds to show analysis results until the analysis is completed.
here. By default, 10,000 updates are carried out with the rst 4,000 updates discarded as
burn-in. The defaults are used for the meta-analysis example. The default thinning rate and
random number seed are 1, which can be modied by a user.
3.5. Run analysis
By clicking on the Next button in Figure6, a user will typically see the output page shown
in Figure7. This page will stay for 5 seconds to wait for the results. After 5 seconds, the
page will be refreshed automatically to display the results. If an analysis takes less than 5
seconds, a user will see all the results immediately. Otherwise, the page will refresh itself till
all results are shown. If an analysis is expected to take a signicant amount of time, a user
can send the link of the results to his/her email account to view the results later.
3.6. Output
The output of the meta-analysis example is shown in Figures 8{11. Figure 8 shows the
rst part of the typical WebBUGS output including model parameter estimates and DIC.
The Parameter estimates table (Table 1 in the output) summarizes information for each
model parameter monitored. Specically, for each parameter, the following statistics are
reported. First, the posterior mean, posterior median, and posterior standard deviation are
given. Second, ESS and the ratio of Monte Carlo error and posterior standard deviation,
M/SD, are calculated for each parameter. If the ESS is smaller than 400 or M/SD is larger
than 0.05, it is highlighted in red indicating that more updates are needed to obtain an
accurate parameter estimate. Third, the 95% percentile credible interval and HPD credible
interval are produced for each parameter. Finally, for single chain analysis, the Geweke
statistic is providedfor convergence diagnostics (Geweke1992) andfor multiple chain analysis,
the Gelman-Rubin test statistic is provided (GelmanandRubin1992). If the Markov chain
for a parameter does not pass the test, the statistic will be highlighted in red. The DIC (Table
2in the output) along with its components for the model is summarized in the DIC table.
The second part of the output includes the trace, density, and autocorrelation (TDA) plots
for each parameter and the deviance of the model. For example, Figures9 and11 display
Search text in pdf using java - search text inside PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn how to search text in PDF document and obtain text content and location information
converting pdf to searchable text format; pdf searchable text converter
Search text in pdf using java - VB.NET PDF Text Search Library: search text inside PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Learn How to Search Text in PDF Document and Obtain Text Content and Location Information in VB.NET application
how to search text in pdf document; text searchable pdf
12
WebBUGS: Conducting Bayesian Statistical Analysis Online
1/9/14
WebBUGS
webbugs.psychstat.org/results.php?url=e10a41a62f59930db06b7b549af762e0
1/4
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome Johnny Zhang  »  New | Current | Re-run | Copy | Email | Share | All Analyses | Modules | FAQ
Results
The program started to run at 22:20:30 on Jan 09, 2014 .
Links to the full model and R coda analysis:   Full model  R CODA  Download coda
More updates:   Number of updates  
10000
Burn-in  
5000
Update
Table 1. Parameter estimates
Mean
SD
ESS
M/SD
Percent CI
Median
HPD CI
G-R
beta
0.235* 0.041
7727
0
0.153
0.316
0.235
0.152
0.314
1
tau
0.013
0.01
6174
0
0.003
0.039
0.01
0.001
0.031
1.003
Note. * represents a significant parameter;
M/SD is the ratio of Monte Carlo error and standard deviation;
G-R is the Gelman-Rubin diagnostic statistic.
Table 2. DIC
Dbar
Dhat
pD
DIC
z
-27.64
-35.63
7.997
-19.64
total
-27.64
-35.63
7.997
-19.64
Trace, density, and autocorrelation plots
Figure 1. Plot for beta. PDF plot
Figure 8: Parameter estimates and DIC of the meta-analysis example.
1/1/14
WebBUGS
file:///Users/zzhang4/Desktop/WebBUGS.html
1/3
Trace, density, and autocorrelation plots
Figure 1. Plot for beta. PDF plot
Figure 2. Plot for deviance. PDF plot
Figure 9: TDA for the parameter beta.
the TDAs for the parameters beta and tau, respectively, in the meta-analysis example. The
TDA for the deviance of the model is also produced in the output as shown in Figure 10.
Note that the PDF format of the plots can be downloaded using the link PDF plot for better
Generate and draw Code 39 for Java
Java executables are included in the search path. for Code 39 barcode image text in Java Code 39 barcode background color using Java barcode.setbackgroundColor
pdf search and replace text; pdf editor with search and replace text
Generate and draw PDF 417 for Java
make sure the Java executables are included in the search path type PDF417 barcode = new PDF417(); //Encode data for PDF 417 barcode image text in Java
search pdf files for text programmatically; how to make a pdf file text searchable
Journal of Statistical Software
13
1/1/14
WebBUGS
file:///Users/zzhang4/Desktop/WebBUGS.html
1/2
Figure 2. Plot for deviance. PDF plot
Figure 3. Plot for tau. PDF plot
Figure 10: TDA for the deviance of the meta-analysis model.
1/1/14
WebBUGS
Figure 3. Plot for tau. PDF plot
The program finished running at 15:53:08 on Jan 01, 2014 . 
Return to top
WebBUGS
Admin   »   Login
Logout
Profile
Forgot password
Figure 11: TDA for the parameter tau.
DocImage SDK for .NET: Document Imaging Features
of case-sensitive and whole-word-only search options. file Use annotation of embedded image, text or rubber 6 (OJPEG) encoding Image only PDF encoding support.
search text in multiple pdf; search text in pdf image
14
WebBUGS: Conducting Bayesian Statistical Analysis Online
quality.
From the trace plot of each parameter in the TDA plots, one can conclude the Markov chains
converged well for the meta-analysis example. Furthermore, the ACF plots show relative
small autocorrelation, indicating that the Markov chains mixed well. These ndings are
consistent with the Gelman-Rubin test of convergence and the eective sample size. The
density plots show that the distribution of the parameter beta is approximately symmetric
while the distribution of the parameter tau is skewed to the right.
Given the convergence of the Markov chains, one caninterpret the results of the meta-analysis.
For example, the overall eect for the correlation between HPWS and nancial performance
is about 0.235 with the HPD interval [0.152, 0.314], re ecting a small to medium, statistically
signicant eect.
4. Other features of WebBUGS
In addition to the basic functionality of WebBUGS as illustrated in the previous section,
WebBUGS has many other useful features.
4.1. Email notication
By checking the checkbox of Email notification on the top right corner of the index page
as shown in Figure4, a user can receive email notication of the completion of an analysis.
Alink is provided in the email and the user can click on it to view the analysis. This feature
is especially useful when an analysis is expected to take a substantial amount of time.
4.2. Manage analyses
Auser can view all of his/her analyses by clicking the All Analyses link. All the analyses
for the user will be listed in a table with the name of the analysis and the time when the
analysis was conducted. For example, all the analyses conducted by the user jssdemo are
listed in Figure12. A user can only view his/her own analysis. By clicking on the name of
the analysis, a user will be taken to the output of the analysis. To delete an analysis, one
can check the checkbox of the analysis and hit the Delete button at the bottom. Everything
related to the analysis will be removed and cannot be recovered once a user has chosen to
delete the analysis.
4.3. Share an analysis
An analysis can be easily shared with others. To share the current analysis, click the Share
link. A page as in Figure13 will be shown. On this page, a user can specify the name of the
person to share the analysis with and his/her email address. By clicking on the share button,
an email with the link to the shared analysis will be sent to the email address provided. The
recipient of the email can view the shared analysis by following the link in the email. To share
an old analysis, one can rst access the results of it from a list of analyses and then share it
using the above procedure. Note that the recipient can only view the specic analysis shared
with him/her. If the user wants to share another analysis with the same or another recipient,
the above procedure needs to be repeated.
Journal of Statistical Software
15
1/1/14
WebBUGS
webbugs.psychstat.org/allanalysis.php
1/1
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome JSS  »  New | Current | Re-run | Copy | Email | Share | All Analyses | Modules | FAQ
All Analyses
You can view or delete your previous analysis here.
Name of analysis
Time
Meta-analysis of correlation
January 1, 2014, 10:01 pm
Rats: a normal hierarchical model for JSS
December 25, 2011, 3:59 pm
Dogs: loglinear model for binary data
December 22, 2011, 11:27 am
Pumps: an example with two chains
December 22, 2011, 10:21 am
Rats: a normal hierarchical model
December 19, 2011, 7:49 pm
Re-run the Rats example
December 19, 2011, 7:44 pm
Check All
Uncheck All
Delete
Total: 1.
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 12: List of all analyses by the user jssdemo.
1/9/14
WebBUGS
webbugs.psychstat.org/share.php
1/1
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome Johnny Zhang  »  New | Current | Re-run | Copy | Email | Share | All Analyses | Modules | FAQ
Share analysis
Names of the recipient: 
Email address:              
share
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 13: An analysis can be shared.
4.4. Multiple-chain analysis
Amultiple-chain analysis can be initialized in WebBUGS by providing multiple sets of initial
values. For example, the meta-analysis was conducted using three chains. Therefore, for the
initial values eld, three sets of starting values were used. WebBUGS used the three sets of
initial values to initialize three chains.
4.5. Highlighted output
The results in the Parameter estimates table are highlighted in dierent ways. First, if a
single chain does not converge according to the Geweke test, e.g., a Geweke statistic larger
than 1.96 by default, the Geweke statistic will be highlighted in red. For the multiple chain
analysis, if the Gelman-Rubin statistic is larger than 1.05, the statistic will be highlighted.
If either the Geweke statistic or the Gelman-Rubin statistic for a parameter is highlighted, a
longer Markov chain or a dierent burn-in period may be needed. Second, if the M/SD for a
given parameter is larger than 0.05, it will be highlighted. If a Markov chain is converged, a
large M/SD value typically means that a longer Markov chain is needed. Third, if the eective
sample size is smaller than 400, it will be highlighted to alert a user to increase the length of
the Markov chains.
16
WebBUGS: Conducting Bayesian Statistical Analysis Online
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome Johnny Zhang  »  New | All Analyses | Modules | FAQ
Type R commands for direct analysis of sample output
CODA files will be read automatically by the following R codes.
library( " coda" )
mcmc. out< - read. openbugs( " coda" )
Please type R code you want to implement for coda analysis.
summary( mcmc. out)
gelman. plot( mcmc. . out)
submit
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 14: CODA analysis through R.
4.6. Change the number of updates and burn-in
Many times one may need to increase the number of updates and change the burn-in period.
This can be done on the results page. On the results page shown in Figure8, there is a section
on the top called More updates. In the eld of Number of updates, a user can specify how
many more updates to conduct. A user can also change the burn-in period by specifying
anumber in the Burn-in eld. If a user only wants to change the burn-in, the Number of
updates eld can be lled with 0. By clicking on the Update button, the results will be
updated.
4.7. R CODA analysis
The output from WebBUGScan be further analyzed inR,for example, using the coda package
(Plummer et al.2006). High quality plots in PDF format can be generated and additional
convergence diagnostics can be conducted. To initialize the CODA analysis, on the output
page, click the R CODA link. Then a page as in Figure14 will be shown. A user can input R
code to conduct desired analyses. For example, in Figure14, I aim to obtain the summary
statistics for the current CODA and get a Gelman-Rubin convergence diagnostic plot for
model parameters using the following R code:
R> summary(mcmc.out)
R> gelman.plot(mcmc.out)
By clicking the submit button, the results will be shown for the current CODA analysis.
The Web browser may refresh itself to display all results. If your Web browser does not
refresh automatically, please refresh it manually. For example, the output for the analysis in
Figure14 is given below. Note the rst part reminds users of the generated plot and provides
alink to the plot (the plot is given in Figure15). The second part is the typical output of an
RCODA analysis. Each session of CODA analysis needs to be conducted separately but the
number of commands are not limited.
Journal of Statistical Software
17
CODA analysis
Figures have been generated in the analysis, click here to view the plot.
> library("coda")
Loading required package: lattice
> mcmc.out <- read.openbugs("coda")
> summary(mcmc.out)
Iterations = 1:10000
Thinning interval = 1
Number of chains = 3
Sample size per chain = 10000
1. Empirical mean and standard deviation for each variable,
plus standard error of the mean:
Mean
SD Naive SE Time-series SE
beta
0.2343 0.040604 2.344e-04
3.311e-04
deviance -27.6414 4.618114 2.666e-02
3.284e-02
tau
0.0127 0.009967 5.754e-05
9.411e-05
2. Quantiles for each variable:
2.5%
25%
50%
75%
97.5%
beta
0.153200
0.208700
0.2345
0.25980
0.31510
deviance -34.780000 -30.980000 -28.2700 -25.01000 -16.87000
tau
0.002703
0.006534
0.0101
0.01577
0.03816
> gelman.plot(mcmc.out)
4.8. Download the model and CODA les
After running an analysis, a user can download the full OpenBUGS model with model spec-
ication, data, and initial values. The full model can be either saved for future reference or
being used within OpenBUGS. In addition, a user can download the CODA les generated
from a model for other purposes, e.g., to be processed in R. The links to the full model and
CODA les are provided on the output page as shown in Figure8.
4.9. Re-run or copy an analysis
Occasionally, there may be errors in the model, data, or initial values. Error information is
displayed in the output of the analysis. A quick way to correct the errors and re-run the
analysis is to click on the Re-run link. Then a user will see a page similar to the one in
Figure5. The user can then correct possible errors on this page and redo the analysis. The
user can also simply change the initial values for better convergence using this feature. If
auser wants to t a new model to the same data or the same model to a new set of data,
18
WebBUGS: Conducting Bayesian Statistical Analysis Online
0
2000 4000 6000 8000
1.00
1.10
1.20
last iteration in chain
shrink factor
median
97.5%
beta
0
2000 4000 6000 8000
1.00
1.01
1.02
1.03
last iteration in chain
shrink factor
median
97.5%
deviance
0
2000 4000 6000 8000
1.00
1.05
1.10
1.15
1.20
last iteration in chain
shrink factor
median
97.5%
tau
Figure 15: Gelman-Rubin convergence diagnostic plot for meta-analysis generated using R.
he/she can copy the model to a new analysis using the Copy link.
4.10. Wiki and online help
AWiki is incorporated within WebBUGS to provide online help to users. For example, in
Figure5, a Help link appears at three places. If a user clicks on the link, he/she will be
directed to a Wiki help page. The Wiki can also be updated easily online to include as much
information as possible by any user.
5. WebBUGS modules
WebBUGS allows development of modules for Bayesian analysis. A module consists of web
pages for inputting information within a web browser and R code on the server to carry out
certain analyses. In this paper, I focus on the discussion of two modules: a data management
module and a meta-analysis module. The full list of completed modules, 4 in total as of 2014,
can be accessed through the Modules link.
Journal of Statistical Software
19
1/2/14
WebBUGS
webbugs.psychstat.org/modules/data/
1/1
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome JSS  »  New | All Analyses | Modules | FAQ
Convert input data
List of data sets
No file chosen
Choose File
Upload
File name
Edit Edit in a table
Convert to BUGS data
Time
metadata.txt
Edit Spreadsheet edit
Convert
2014.01.02 13:41:41.
metadata.txt.bug
Edit
2014.01.02 13:43:31.
Delete
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 16: The interface of the data management module.
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome Johnny Zhang  »  New | All Analyses | Modules | FAQ
Edit data
n cor a x
2 1 5  0 0 . 2 1  1  1  
1 3 2  0 0 . 2 5 5 2  1  1  
3 0 9  0 0 . 1 2 2 3  1  1  
1 1 7  0 0 . 3 3  1  1  
3 0 7  0 0 . 4  0 0 . 8  0  
1 2 1 1 2  0 0 . 3 3 4  1  1
1 7 5  0 0 . 1 1  1  1  
3 8 0  0 0 . 1 4 4 7  1  1  
8 6  0 0 . 1 1  1  1  
7 4  0 0 . 3 6  1  1  
3 6 1  0 0 . 1 3 3 8  1  1
Save 
Save and go back to data list
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 17: Edit data in a textarea.
5.1. Data management module
Thedirect link to thedata management module ishttp://WebBUGS.psychstat.org/modules/
data/. Usingthedatamanagementmodule,userscanmanagetheirdataonline,including
uploading, deleting, editing, and converting data. The interface of the data management
module is shown in Figure16.
First, the available data sets are listed in a table. Both le names and the time last modied
are shown. Second, a new data set can be uploaded. To upload a le, one can rst Choose or
Browse the le on the local computer and then click the Upload button. If a le is uploaded
successfully,it will be showninthe data list. Error information will be returnedif upload fails.
20
WebBUGS: Conducting Bayesian Statistical Analysis Online
W
EB
BUGS 
Conducting Bayesian Analysis Online
Welcome Johnny Zhang  »  New | All Analyses | Modules | FAQ
Edit data
n
cor
a
x
1
215
0.21
1
1
2
132
0.252
1
1
3
309
0.123
1
1
4
117
0.33
1
1
5
307
0.4
0.8
0
6
1212
0.34
1
1
7
175
0.11
1
1
8
380
0.147
1
1
9
86
0.11
1
1
10
74
0.36
1
1
11
361
0.138
1
1
Save 
Save and go back to data list
WebBUGS   Admin   »   Login | Logout | Profile | Forgot password
Figure 18: Edit data in a spreadsheet.
Only text les with extensions .txt (space separated data le) or .csv (comma separated
value le) are allowed to be uploaded. Third, a data set can be edited either in a textarea or
as a spreadsheet. By clicking on the Edit link in the data list, the content of the data le will
be shown in a textarea for editing as shown in Figure17. The edit can be saved by clicking
the button Save or Save and go back to data list. If a data le has less than 200 rows
of data, it can be edited in the spreadsheet mode as shown in Figure18, which allows the
edit of individual elements.
The data management module can also convert data, either from a data le or user input,
into the OpenBUGS format. To convert data from a data le, click the link Convert in the
data list. Then the screen as in Figure19 is shown. On the screen, a user can input required
data information for OpenBUGS. Each row of input represents a piece of information. Any R
data manipulation code can be used here. After input, one can click on the button Convert
data. The OpenBUGS format data are shown in a textarea that can be further edited or
modied. The converted data are also saved to a le with the extension name .bug that can
be used for Bayesian analysis in OpenBUGS. An example is given in Figure19.
To convert user input data, one can click the Convert input data link. Then a screen as in
Figure20willappear. Onthe screen,one can simply input the data. Each pieceof information
is separated by a semi-colon ;. For each piece of information, its name is given rst and then
followed by the equal sign =. A scalar, vector, or matrix can be used. For a vector, a list
Documents you may be interested
Documents you may be interested