通过结合独立后验的分层模型贝叶斯推断

分层模型是用于联合建模源自不同但相关来源的数据集的多功能工具。然而，若特定来源的数据模型复杂，或来源数量极大，完全贝叶斯推断可能在计算上令人望而却步。为促进计算，我们提出一种方法：首先对每个数据集的参数进行独立推断，然后将所得后验样本作为替代分层模型中的观测数据，该模型基于缩放似然函数。与完整分层模型中的直接推断相比，该方法具有能够通过将初始大型推断问题分解为具有更佳收敛特性的较小个体子问题来加速收敛的优势。此外，它支持对特定来源参数可能复杂的推断进行并行处理，若作为分层模型一部分联合处理则可能造成计算瓶颈。该方法通过模拟与真实数据得以阐明。