model {
for (i in 1:20) {Y[i, 1:4] ~ dmnorm(mu[], Sigma.inv[,])}
for (j in 1:4) {mu[j] <- alpha + beta*x[j]}
alpha ~ dnorm(0, 0.0001)
beta ~ dnorm(0, 0.0001)
Sigma.inv[1:4, 1:4] ~ dwish(R[,], 4)
Sigma[1:4, 1:4] <- inverse(Sigma.inv[,])
for (i in 1:20) {
for (j in 1:4) {
res[i, j] <- Y[i, j] - mu[j]
temp[i, j] <- inprod(Sigma.inv[j, 1:4], res[i, 1:4])
}
M.squared[i] <- inprod(res[i, 1:4], temp[i, 1:4])
M[i] <- sqrt(M.squared[i])
}
}

Inits:
   list(alpha = 40, beta = 1)

Data:
list(Y = structure(
.Data = c(47.8, 48.8, 49.0, 49.7,
46.4, 47.3, 47.7, 48.4,
46.3, 46.8, 47.8, 48.5,
45.1, 45.3, 46.1, 47.2,
47.6, 48.5, 48.9, 49.3,
52.5, 53.2, 53.3, 53.7,
51.2, 53.0, 54.3, 54.5,
49.8, 50.0, 50.3, 52.7,
48.1, 50.8, 52.3, 54.4,
45.0, 47.0, 47.3, 48.3,
51.2, 51.4, 51.6, 51.9,
48.5, 49.2, 53.0, 55.5,
52.1, 52.8, 53.7, 55.0,
48.2, 48.9, 49.3, 49.8,
49.6, 50.4, 51.2, 51.8,
50.7, 51.7, 52.7, 53.3,
47.2, 47.7, 48.4, 49.5,
53.3, 54.6, 55.1, 55.3,
46.2, 47.5, 48.1, 48.4,
46.3, 47.6, 51.3, 51.8),
.Dim = c(20, 4)),
x = c(8.0, 8.5, 9.0, 9.5),
R = structure(
.Data = c(4, 0, 0, 0,
0, 4, 0, 0,
0, 0, 4, 0,
0, 0, 0, 4),
.Dim = c(4, 4)))

[example-8_3_2-jaws0][example-8_3_2-jaws1]
   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   M[1]   0.9006   0.2042   0.003727   0.5496   0.8879   1.339   1001   20000
   M[2]   1.244   0.2774   0.00285   0.7163   1.239   1.808   1001   20000
   M[3]   1.304   0.2855   0.003097   0.7603   1.297   1.876   1001   20000
   M[4]   1.964   0.3581   0.003068   1.277   1.956   2.689   1001   20000
   M[5]   1.004   0.2353   0.004763   0.5713   0.9973   1.494   1001   20000
   M[6]   1.794   0.3361   0.005918   1.156   1.792   2.462   1001   20000
   M[7]   1.922   0.3085   0.002256   1.35   1.91   2.562   1001   20000
   M[8]   2.126   0.315   0.002612   1.533   2.12   2.767   1001   20000
   M[9]   2.614   0.4389   0.008536   1.785   2.611   3.493   1001   20000
   M[10]   2.033   0.3371   0.003482   1.408   2.021   2.723   1001   20000
   M[11]   1.578   0.32   0.008209   0.9595   1.575   2.215   1001   20000
   M[12]   3.139   0.486   0.006977   2.235   3.129   4.129   1001   20000
   M[13]   1.593   0.3147   0.002348   1.004   1.586   2.223   1001   20000
   M[14]   0.8656   0.2412   0.006638   0.4093   0.8598   1.351   1001   20000
   M[15]   0.598   0.2061   0.006055   0.2356   0.5885   1.025   1001   20000
   M[16]   0.9955   0.2381   0.002775   0.5536   0.9892   1.482   1001   20000
   M[17]   1.005   0.2351   0.002945   0.5872   0.9932   1.502   1001   20000
   M[18]   2.225   0.3745   0.003656   1.519   2.22   2.98   1001   20000
   M[19]   1.449   0.2668   0.002044   0.9618   1.437   1.993   1001   20000
   M[20]   2.756   0.4142   0.00507   1.986   2.743   3.607   1001   20000
   M.squared[1]   0.8529   0.3891   0.006984   0.302   0.7883   1.793   1001   20000
   M.squared[2]   1.625   0.7074   0.00714   0.5131   1.534   3.268   1001   20000
   M.squared[3]   1.781   0.7617   0.00811   0.5781   1.683   3.518   1001   20000
   M.squared[4]   3.986   1.435   0.01215   1.631   3.827   7.233   1001   20000
   M.squared[5]   1.064   0.4921   0.009701   0.3264   0.9947   2.233   1001   20000
   M.squared[6]   3.33   1.225   0.02095   1.337   3.212   6.061   1001   20000
   M.squared[7]   3.788   1.213   0.008815   1.822   3.649   6.565   1001   20000
   M.squared[8]   4.618   1.363   0.01132   2.349   4.495   7.656   1001   20000
   M.squared[9]   7.028   2.333   0.0441   3.186   6.815   12.2   1001   20000
   M.squared[10]   4.248   1.405   0.0143   1.982   4.083   7.414   1001   20000
   M.squared[11]   2.591   1.026   0.02548   0.9207   2.48   4.908   1001   20000
   M.squared[12]   10.09   3.114   0.0443   4.993   9.79   17.04   1001   20000
   M.squared[13]   2.637   1.026   0.007626   1.008   2.515   4.943   1001   20000
   M.squared[14]   0.8075   0.4338   0.01153   0.1676   0.7393   1.825   1001   20000
   M.squared[15]   0.4001   0.266   0.007637   0.05551   0.3463   1.051   1001   20000
   M.squared[16]   1.048   0.4915   0.005652   0.3065   0.9784   2.197   1001   20000
   M.squared[17]   1.066   0.4957   0.00613   0.3448   0.9865   2.257   1001   20000
   M.squared[18]   5.092   1.698   0.01636   2.307   4.927   8.88   1001   20000
   M.squared[19]   2.17   0.797   0.006078   0.925   2.066   3.973   1001   20000
   M.squared[20]   7.767   2.33   0.02873   3.944   7.526   13.01   1001   20000
   res[1,1]   -0.8668   0.5575   0.008297   -1.966   -0.8678   0.2458   1001   20000
   res[1,2]   -0.8011   0.5435   0.004251   -1.868   -0.8043   0.2858   1001   20000
   res[1,3]   -1.535   0.5583   0.004212   -2.624   -1.537   -0.4202   1001   20000
   res[1,4]   -1.77   0.5997   0.008236   -2.944   -1.773   -0.5774   1001   20000
   res[2,1]   -2.267   0.5575   0.008297   -3.366   -2.268   -1.154   1001   20000
   res[2,2]   -2.301   0.5435   0.004251   -3.368   -2.304   -1.214   1001   20000
   res[2,3]   -2.835   0.5583   0.004212   -3.924   -2.837   -1.72   1001   20000
   res[2,4]   -3.07   0.5997   0.008236   -4.244   -3.073   -1.877   1001   20000
   res[3,1]   -2.367   0.5575   0.008297   -3.466   -2.368   -1.254   1001   20000
   res[3,2]   -2.801   0.5435   0.004251   -3.868   -2.804   -1.714   1001   20000
   res[3,3]   -2.735   0.5583   0.004212   -3.824   -2.737   -1.62   1001   20000
   res[3,4]   -2.97   0.5997   0.008236   -4.144   -2.973   -1.777   1001   20000
   res[4,1]   -3.567   0.5575   0.008297   -4.666   -3.568   -2.454   1001   20000
   res[4,2]   -4.301   0.5435   0.004251   -5.368   -4.304   -3.214   1001   20000
   res[4,3]   -4.435   0.5583   0.004212   -5.524   -4.437   -3.32   1001   20000
   res[4,4]   -4.27   0.5997   0.008236   -5.444   -4.273   -3.077   1001   20000
   res[5,1]   -1.067   0.5575   0.008297   -2.166   -1.068   0.04577   1001   20000
   res[5,2]   -1.101   0.5435   0.004251   -2.168   -1.104   -0.01421   1001   20000
   res[5,3]   -1.635   0.5583   0.004212   -2.724   -1.637   -0.5202   1001   20000
   res[5,4]   -2.17   0.5997   0.008236   -3.344   -2.173   -0.9774   1001   20000
   res[6,1]   3.833   0.5575   0.008297   2.734   3.832   4.946   1001   20000
   res[6,2]   3.599   0.5435   0.004251   2.532   3.596   4.686   1001   20000
   res[6,3]   2.765   0.5583   0.004212   1.676   2.763   3.88   1001   20000
   res[6,4]   2.23   0.5997   0.008236   1.056   2.227   3.423   1001   20000
   res[7,1]   2.533   0.5575   0.008297   1.434   2.532   3.646   1001   20000
   res[7,2]   3.399   0.5435   0.004251   2.332   3.396   4.486   1001   20000
   res[7,3]   3.765   0.5583   0.004212   2.676   3.763   4.88   1001   20000
   res[7,4]   3.03   0.5997   0.008236   1.856   3.027   4.223   1001   20000
   res[8,1]   1.133   0.5575   0.008297   0.03366   1.132   2.246   1001   20000
   res[8,2]   0.3989   0.5435   0.004251   -0.6677   0.3957   1.486   1001   20000
   res[8,3]   -0.2354   0.5583   0.004212   -1.324   -0.2371   0.8798   1001   20000
   res[8,4]   1.23   0.5997   0.008236   0.05627   1.227   2.423   1001   20000
   res[9,1]   -0.5668   0.5575   0.008297   -1.666   -0.5678   0.5458   1001   20000
   res[9,2]   1.199   0.5435   0.004251   0.1323   1.196   2.286   1001   20000
   res[9,3]   1.765   0.5583   0.004212   0.6765   1.763   2.88   1001   20000
   res[9,4]   2.93   0.5997   0.008236   1.756   2.927   4.123   1001   20000
   res[10,1]   -3.667   0.5575   0.008297   -4.766   -3.668   -2.554   1001   20000
   res[10,2]   -2.601   0.5435   0.004251   -3.668   -2.604   -1.514   1001   20000
   res[10,3]   -3.235   0.5583   0.004212   -4.324   -3.237   -2.12   1001   20000
   res[10,4]   -3.17   0.5997   0.008236   -4.344   -3.173   -1.977   1001   20000
   res[11,1]   2.533   0.5575   0.008297   1.434   2.532   3.646   1001   20000
   res[11,2]   1.799   0.5435   0.004251   0.7323   1.796   2.886   1001   20000
   res[11,3]   1.065   0.5583   0.004212   -0.02354   1.063   2.18   1001   20000
   res[11,4]   0.4303   0.5997   0.008236   -0.7437   0.4272   1.623   1001   20000
   res[12,1]   -0.1668   0.5575   0.008297   -1.266   -0.1678   0.9458   1001   20000
   res[12,2]   -0.4011   0.5435   0.004251   -1.468   -0.4043   0.6858   1001   20000
   res[12,3]   2.465   0.5583   0.004212   1.376   2.463   3.58   1001   20000
   res[12,4]   4.03   0.5997   0.008236   2.856   4.027   5.223   1001   20000
   res[13,1]   3.433   0.5575   0.008297   2.334   3.432   4.546   1001   20000
   res[13,2]   3.199   0.5435   0.004251   2.132   3.196   4.286   1001   20000
   res[13,3]   3.165   0.5583   0.004212   2.076   3.163   4.28   1001   20000
   res[13,4]   3.53   0.5997   0.008236   2.356   3.527   4.723   1001   20000
   res[14,1]   -0.4668   0.5575   0.008297   -1.566   -0.4678   0.6458   1001   20000
   res[14,2]   -0.7011   0.5435   0.004251   -1.768   -0.7043   0.3858   1001   20000
   res[14,3]   -1.235   0.5583   0.004212   -2.324   -1.237   -0.1202   1001   20000
   res[14,4]   -1.67   0.5997   0.008236   -2.844   -1.673   -0.4774   1001   20000
   res[15,1]   0.9332   0.5575   0.008297   -0.1663   0.9322   2.046   1001   20000
   res[15,2]   0.7989   0.5435   0.004251   -0.2677   0.7957   1.886   1001   20000
   res[15,3]   0.6646   0.5583   0.004212   -0.4235   0.6629   1.78   1001   20000
   res[15,4]   0.3303   0.5997   0.008236   -0.8437   0.3272   1.523   1001   20000
   res[16,1]   2.033   0.5575   0.008297   0.9337   2.032   3.146   1001   20000
   res[16,2]   2.099   0.5435   0.004251   1.032   2.096   3.186   1001   20000
   res[16,3]   2.165   0.5583   0.004212   1.076   2.163   3.28   1001   20000
   res[16,4]   1.83   0.5997   0.008236   0.6563   1.827   3.023   1001   20000
   res[17,1]   -1.467   0.5575   0.008297   -2.566   -1.468   -0.3542   1001   20000
   res[17,2]   -1.901   0.5435   0.004251   -2.968   -1.904   -0.8142   1001   20000
   res[17,3]   -2.135   0.5583   0.004212   -3.224   -2.137   -1.02   1001   20000
   res[17,4]   -1.97   0.5997   0.008236   -3.144   -1.973   -0.7774   1001   20000
   res[18,1]   4.633   0.5575   0.008297   3.534   4.632   5.746   1001   20000
   res[18,2]   4.999   0.5435   0.004251   3.932   4.996   6.086   1001   20000
   res[18,3]   4.565   0.5583   0.004212   3.476   4.563   5.68   1001   20000
   res[18,4]   3.83   0.5997   0.008236   2.656   3.827   5.023   1001   20000
   res[19,1]   -2.467   0.5575   0.008297   -3.566   -2.468   -1.354   1001   20000
   res[19,2]   -2.101   0.5435   0.004251   -3.168   -2.104   -1.014   1001   20000
   res[19,3]   -2.435   0.5583   0.004212   -3.524   -2.437   -1.32   1001   20000
   res[19,4]   -3.07   0.5997   0.008236   -4.244   -3.073   -1.877   1001   20000
   res[20,1]   -2.367   0.5575   0.008297   -3.466   -2.368   -1.254   1001   20000
   res[20,2]   -2.001   0.5435   0.004251   -3.068   -2.004   -0.9142   1001   20000
   res[20,3]   0.7646   0.5583   0.004212   -0.3235   0.7629   1.88   1001   20000
   res[20,4]   0.3303   0.5997   0.008236   -0.8437   0.3272   1.523   1001   20000