Was sind Low-Level-Parameter in der Bayesian-Analyse?

Question

lese ich Kruschke Buch „Doing Bayesian Data Analysis“ und auf der Seite 245 heißt es:

In typischen hierarchischen Modelle werden die Schätzungen der Low-Level- Parameter enger zusammen gezogen, als sie es wenn es keine höhere Verteilung gäbe. Dieses Ziehen zusammen wird Schrumpfung der Schätzungen genannt.

Könnte jemand bitte die Bedeutung von Low-Level- und High-Level-Parametern in der Bayesian-Analyse erklären?

Ich konnte nicht finden, es ist die Definition in dem Buch. Englisch ist nicht meine Muttersprache, vielleicht ist es für Sie leichter zu verstehen.

Grüße.

PD: Ich denke, ... wenn die Likelihood-Funktion wie diese berücksichtigt werden kann: p (D | a, b, c) = p (D | a) p (a | b) p (b | c) p (c) dann ist a ein niedrigerer Parameter als b, der ein niedrigerer Parameter als c ist.

Answer 1

Ja, Ihre Antwort, "Wenn die Likelihood-Funktion wie folgt berücksichtigt werden kann: p (D | a, b, c) = p (D | a) p (a | b) p (b | c) p (c) dann ist a ein niedrigerer Parameter als b, der ein niedrigerer Parameter als c ist. ist genau richtig.