model {
for(i in 1:N) {
y[i] ~ dnorm(mu[i], inv.sigma2)
mu[i] <- alpha - beta*pow(gamma, x[i])
y.pred[i] ~ dnorm(mu[i], inv.sigma2)
P.pred[i] <- step(y[i] - y.pred[i])
}
alpha ~ dunif(0, 100)
beta ~ dunif(0, 100)
gamma ~ dunif(0, 1)
inv.sigma2 <- 1/pow(sigma, 2)
log(sigma) <- log.sigma
log.sigma ~ dunif(-10, 10)
}

Inits:
list(alpha = 3, beta = 2, gamma = 0.9, log.sigma = -5)

Data:
list(x = c(1.0, 1.5, 1.5, 1.5, 2.5, 4.0, 5.0, 5.0, 7.0,
8.0, 8.5, 9.0, 9.5, 9.5, 10.0, 12.0, 12.0, 13.0,
13.0, 14.5, 15.5, 15.5, 16.5, 17.0, 22.5, 29.0, 31.5),
y = c(1.80, 1.85, 1.87, 1.77, 2.02, 2.27, 2.15, 2.26, 2.47,
2.19, 2.26, 2.40, 2.39, 2.41, 2.50, 2.32, 2.32, 2.43,
2.47, 2.56, 2.65, 2.47, 2.64, 2.56, 2.70, 2.72, 2.57),
N = 27)

[example-8_4_5-dugongs-pred0][example-8_4_5-dugongs-pred1]
   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   P.pred[1]   0.4499   0.4975   0.003081   0.0   0.0   1.0   1001   50000
   P.pred[2]   0.4151   0.4927   0.002432   0.0   0.0   1.0   1001   50000
   P.pred[3]   0.4887   0.4999   0.002739   0.0   0.0   1.0   1001   50000
   P.pred[4]   0.1653   0.3714   0.00187   0.0   0.0   1.0   1001   50000
   P.pred[5]   0.6573   0.4746   0.002341   0.0   1.0   1.0   1001   50000
   P.pred[6]   0.937   0.2429   0.001193   0.0   1.0   1.0   1001   50000
   P.pred[7]   0.3794   0.4852   0.002595   0.0   0.0   1.0   1001   50000
   P.pred[8]   0.7783   0.4154   0.002521   0.0   1.0   1.0   1001   50000
   P.pred[9]   0.9523   0.2132   0.001087   0.0   1.0   1.0   1001   50000
   P.pred[10]   0.06888   0.2532   0.001249   0.0   0.0   1.0   1001   50000
   P.pred[11]   0.151   0.358   0.00187   0.0   0.0   1.0   1001   50000
   P.pred[12]   0.5701   0.4951   0.002482   0.0   1.0   1.0   1001   50000
   P.pred[13]   0.4588   0.4983   0.002407   0.0   0.0   1.0   1001   50000
   P.pred[14]   0.5358   0.4987   0.002658   0.0   1.0   1.0   1001   50000
   P.pred[15]   0.8003   0.3998   0.001986   0.0   1.0   1.0   1001   50000
   P.pred[16]   0.06532   0.2471   0.001193   0.0   0.0   1.0   1001   50000
   P.pred[17]   0.06478   0.2461   0.001117   0.0   0.0   1.0   1001   50000
   P.pred[18]   0.2531   0.4348   0.001892   0.0   0.0   1.0   1001   50000
   P.pred[19]   0.3998   0.4899   0.002054   0.0   0.0   1.0   1001   50000
   P.pred[20]   0.6431   0.4791   0.002174   0.0   1.0   1.0   1001   50000
   P.pred[21]   0.8647   0.342   0.001588   0.0   1.0   1.0   1001   50000
   P.pred[22]   0.242   0.4283   0.002056   0.0   0.0   1.0   1001   50000
   P.pred[23]   0.8049   0.3963   0.001827   0.0   1.0   1.0   1001   50000
   P.pred[24]   0.5037   0.5   0.002814   0.0   1.0   1.0   1001   50000
   P.pred[25]   0.8127   0.3901   0.002707   0.0   1.0   1.0   1001   50000
   P.pred[26]   0.7864   0.4099   0.003481   0.0   1.0   1.0   1001   50000
   P.pred[27]   0.2727   0.4453   0.003858   0.0   0.0   1.0   1001   50000
   alpha   2.653   0.07254   0.001689   2.532   2.647   2.809   1001   50000
   beta   0.9738   0.07676   8.046E-4   0.8255   0.9718   1.128   1001   50000
   gamma   0.8626   0.03237   6.79E-4   0.7885   0.8663   0.9145   1001   50000
   sigma   0.09846   0.01484   9.315E-5   0.07464   0.09666   0.1325   1001   50000
   y.pred[1]   1.813   0.1128   8.0E-4   1.591   1.814   2.035   1001   50000
   y.pred[2]   1.873   0.1086   5.817E-4   1.658   1.873   2.087   1001   50000
   y.pred[3]   1.873   0.1089   6.529E-4   1.654   1.873   2.085   1001   50000
   y.pred[4]   1.873   0.1083   5.998E-4   1.658   1.874   2.086   1001   50000
   y.pred[5]   1.979   0.1056   5.259E-4   1.771   1.979   2.19   1001   50000
   y.pred[6]   2.109   0.1045   6.068E-4   1.905   2.109   2.318   1001   50000
   y.pred[7]   2.182   0.1046   6.546E-4   1.98   2.181   2.392   1001   50000
   y.pred[8]   2.182   0.1041   6.673E-4   1.977   2.181   2.389   1001   50000
   y.pred[9]   2.297   0.104   6.949E-4   2.093   2.297   2.504   1001   50000
   y.pred[10]   2.343   0.1038   6.566E-4   2.138   2.342   2.547   1001   50000
   y.pred[11]   2.364   0.1034   6.262E-4   2.161   2.364   2.571   1001   50000
   y.pred[12]   2.382   0.1035   6.023E-4   2.179   2.382   2.586   1001   50000
   y.pred[13]   2.401   0.103   5.403E-4   2.198   2.4   2.605   1001   50000
   y.pred[14]   2.401   0.1035   5.937E-4   2.198   2.401   2.607   1001   50000
   y.pred[15]   2.417   0.1027   5.381E-4   2.213   2.417   2.62   1001   50000
   y.pred[16]   2.473   0.1022   4.908E-4   2.271   2.472   2.676   1001   50000
   y.pred[17]   2.474   0.1024   4.866E-4   2.273   2.475   2.675   1001   50000
   y.pred[18]   2.496   0.1021   4.489E-4   2.294   2.496   2.697   1001   50000
   y.pred[19]   2.495   0.102   4.35E-4   2.294   2.495   2.696   1001   50000
   y.pred[20]   2.524   0.1028   4.818E-4   2.321   2.524   2.727   1001   50000
   y.pred[21]   2.539   0.1027   5.595E-4   2.336   2.539   2.741   1001   50000
   y.pred[22]   2.54   0.1025   5.394E-4   2.336   2.54   2.742   1001   50000
   y.pred[23]   2.553   0.1032   5.23E-4   2.35   2.554   2.756   1001   50000
   y.pred[24]   2.559   0.1036   6.13E-4   2.353   2.559   2.764   1001   50000
   y.pred[25]   2.606   0.1078   9.769E-4   2.394   2.606   2.817   1001   50000
   y.pred[26]   2.632   0.1134   0.001207   2.407   2.632   2.857   1001   50000
   y.pred[27]   2.637   0.1146   0.001356   2.412   2.638   2.864   1001   50000