model {
for (i in 1:12) {
y[i] ~ dbin(theta, n[i])
res[i] <- (y[i] - n[i]*theta)/sqrt(n[i]*theta*(1-theta))
res2[i] <- res[i]*res[i]
}
theta ~ dunif(0, 1)
X2.obs <- sum(res2[]) # sum of squared stand. resids
}

Data:
list(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))

   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   X2.obs   59.12   2.834   0.0265   56.76   58.11   66.94   1001   10000
   res[1]   6.156   0.3351   0.003195   5.515   6.153   6.826   1001   10000
   res[2]   0.5903   0.2511   0.002396   0.1058   0.5894   1.088   1001   10000
   res[3]   -2.514   0.2626   0.002507   -3.023   -2.513   -1.996   1001   10000
   res[4]   2.343   0.2411   0.002299   1.88   2.342   2.823   1001   10000
   res[5]   1.293   0.2503   0.002388   0.8105   1.292   1.79   1001   10000
   res[6]   -0.9911   0.3314   0.003163   -1.632   -0.9917   -0.3355   1001   10000
   res[7]   -0.9179   0.2514   0.002399   -1.404   -0.9183   -0.4207   1001   10000
   res[8]   -0.658   0.3703   0.003533   -1.374   -0.6588   0.07486   1001   10000
   res[9]   0.5875   0.2561   0.002443   0.09329   0.5865   1.095   1001   10000
   res[10]   0.884   0.2507   0.002391   0.4007   0.883   1.381   1001   10000
   res[11]   -1.475   0.3911   0.003732   -2.232   -1.476   -0.7017   1001   10000
   res[12]   -0.8926   0.285   0.002719   -1.444   -0.8931   -0.329   1001   10000
   res2[1]   38.01   4.138   0.03934   30.41   37.85   46.6   1001   10000
   res2[2]   0.4115   0.312   0.002928   0.01257   0.3474   1.185   1001   10000
   res2[3]   6.387   1.322   0.01269   3.984   6.317   9.147   1001   10000
   res2[4]   5.55   1.136   0.01078   3.535   5.484   7.972   1001   10000
   res2[5]   1.734   0.6563   0.006204   0.657   1.668   3.204   1001   10000
   res2[6]   1.092   0.6711   0.006526   0.1126   0.9835   2.669   1001   10000
   res2[7]   0.9057   0.4679   0.004534   0.1771   0.8433   1.975   1001   10000
   res2[8]   0.57   0.5189   0.00511   0.003287   0.4341   1.891   1001   10000
   res2[9]   0.4107   0.3174   0.002977   0.01053   0.344   1.2   1001   10000
   res2[10]   0.8443   0.4547   0.004284   0.1606   0.7796   1.908   1001   10000
   res2[11]   2.328   1.168   0.01132   0.4926   2.178   4.988   1001   10000
   res2[12]   0.8779   0.5185   0.005038   0.1083   0.7977   2.088   1001   10000

[example-8_3_1-bristol0]