model {
for (i in 1:N) {
y[i] ~ dbin(theta[i], n[i])
logit(theta[i]) <- alpha + beta[i]
beta[i] <- b[i] - mean(b[])
b[i] ~ dunif(-10,10)
}
alpha ~ dunif(-10,10)
}

Data:
list(N = 12, y=c(41,25,24,23,25,42,24,53,26,25,58,31),
n=c(143,187,323,122,164,405,239,482,195,177,581,301))

[example-9_7_3-bristol-sumtozero0]
   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   alpha   -1.927   0.05755   6.053E-4   -2.041   -1.927   -1.817   1001   10000
   b[1]   2.744   2.567   0.2535   -2.519   2.735   7.587   1001   10000
   b[2]   1.782   2.567   0.2533   -3.471   1.78   6.625   1001   10000
   b[3]   1.12   2.569   0.2535   -4.142   1.088   5.939   1001   10000
   b[4]   2.19   2.568   0.2532   -3.065   2.174   7.021   1001   10000
   b[5]   1.932   2.569   0.2534   -3.342   1.922   6.805   1001   10000
   b[6]   1.495   2.567   0.2535   -3.819   1.482   6.331   1001   10000
   b[7]   1.452   2.569   0.2534   -3.805   1.439   6.269   1001   10000
   b[8]   1.564   2.562   0.2532   -3.712   1.569   6.354   1001   10000
   b[9]   1.778   2.567   0.2533   -3.524   1.766   6.609   1001   10000
   b[10]   1.84   2.565   0.2529   -3.459   1.83   6.665   1001   10000
   b[11]   1.457   2.564   0.2534   -3.827   1.451   6.272   1001   10000
   b[12]   1.487   2.568   0.2535   -3.777   1.485   6.291   1001   10000
   beta[1]   1.007   0.178   0.001906   0.6519   1.01   1.352   1001   10000
   beta[2]   0.04551   0.2046   0.001708   -0.3664   0.04888   0.4285   1001   10000
   beta[3]   -0.6166   0.2038   0.002277   -1.031   -0.6106   -0.2337   1001   10000
   beta[4]   0.4527   0.2191   0.001998   0.009193   0.4557   0.87   1001   10000
   beta[5]   0.1954   0.2073   0.001987   -0.2187   0.1993   0.5846   1001   10000
   beta[6]   -0.2422   0.1593   0.001476   -0.5561   -0.2401   0.06291   1001   10000
   beta[7]   -0.2847   0.2076   0.001793   -0.7059   -0.2765   0.1021   1001   10000
   beta[8]   -0.1725   0.1432   0.00139   -0.4597   -0.1705   0.1024   1001   10000
   beta[9]   0.04117   0.2001   0.001789   -0.3645   0.04358   0.4219   1001   10000
   beta[10]   0.1032   0.2076   0.001941   -0.3158   0.108   0.4988   1001   10000
   beta[11]   -0.2797   0.139   0.001382   -0.5566   -0.2774   -0.01437   1001   10000
   beta[12]   -0.2496   0.1827   0.001699   -0.6214   -0.2454   0.09373   1001   10000