В настоящее время я работаю над иерархическим моделированием, в частности, байесовским иерархическим моделированием.
, что в основном: модель данных модели параметров модели процесса
Я понял, что этот тип моделирования будет работать на 3 уровнях, и каждый из них будет оценивать различные компоненты. Например, в модели данных мы рассчитываем предельную вероятность, а в модели процесса она использует условную вероятность. и я думаю, что последний уровень является общей вероятностью для первых двух уровней. (поправьте меня, если я ошибаюсь)
Они определяют модели на каждом уровне следующим образом: 
Они описывают модель данных так, как будто этот вид определяет вероятность, из которой можно сделать вывод о неизвестных параметрах. Однако вероятность того, что данные непосредственно не распознаются как шум, может быть решена путем построения модели условной вероятности для самого скрытого процесса.
И вот идет модель процесса, которая является моделью условной вероятности, которая показала свою способность выражать неопределенности в исследовании данных, и обычно она зависит от неизвестного параметра.
Затем последний уровень, который является моделью параметров, где, если мы включим модель параметров в иерархическое моделирование для вероятностного выражения неопределенности параметров, то мы будем называть модель байесовской.
Часть, в которой я запутался, это что означает параметр в модели данных? и что это означает под неизвестными параметрами в модели процесса? И как модель параметров взаимодействует с этими параметрами из первых двух моделей?
Я смотрел на youtube и некоторых книгах, но ни одна из них не объяснила просто, что именно подразумевается под параметрами. Является ли конкретная ценность, которую мы даем? или ошибка измерения? Эта новая тема для меня, и я не вижу статей, которые дают очень простое объяснение новичкам, таким как я, что означают параметры здесь
Любое объяснение будет высоко ценится
Спасибо!