model {
for (i in 1:5) {
y[i] ~ dnorm(mu[i], tau)
mu[i] <- alpha + beta*(x[i] - mean(x[]))
# selection model for missing data mechanism
miss[i] ~ dbern(p[i])
logit(p[i]) <- a + b*(y[i]-250)
}
a ~ dlogis(0, 1)
b <- log(1.02)
alpha ~ dflat()
beta ~ dflat()
tau <- 1/sigma2
log(sigma2) <- 2*log.sigma
log.sigma ~ dflat()
}

Data:
list(y = c(177,236,285,350,NA), x = c(8,15,22,29,36), miss = c(0,0,0,0,1))

Inits:
list(alpha=290,beta=8,log.sigma=0,a=-1)

   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   a   -1.973   1.082   0.01081   -4.262   -1.913   0.01912   4001   10000
   alpha   291.4   13.13   0.3402   280.5   290.6   303.5   4001   10000
   beta   8.228   1.314   0.03709   7.035   8.133   9.677   4001   10000
   mu[1]   176.2   15.61   0.2245   158.2   176.8   192.0   4001   10000
   mu[2]   233.8   11.11   0.1251   222.9   233.7   244.3   4001   10000
   mu[3]   291.4   13.13   0.3402   280.5   290.6   303.5   4001   10000
   mu[4]   349.0   19.76   0.5921   332.5   347.6   368.9   4001   10000
   mu[5]   406.6   27.89   0.8487   382.7   404.6   435.0   4001   10000
   sigma2   433.0   4537.0   177.5   5.755   30.73   1063.0   4001   10000
   y[5]   408.4   38.23   1.368   378.6   404.9   447.1   4001   10000
   
[example-9_1_2-growth-informative0]