在许多情况下，我们试图学习来自一个群体的多个实例（或对象）的参数，以及这些参数在群体中的分布。例如，击球率是衡量棒球运动员表现的重要指标（Clark 等■◆★, 2012）★■◆，在天文学中，精确估计白矮星（WDs）的年龄和星团的初终质量关系（IFMR）对理解恒星演化至关重要（Yamada 等, 2013）。贝叶斯分层模型对于这些具有多层级数据结构的问题非常有用。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场★◆★◆■◆，澎湃新闻仅提供信息发布平台■■。申请澎湃号请用电脑访问。

　　作者：上海外国语大学司世景，上海外国语大学数据科学与大数据技术系付雨欣同学翻译整理

　　本期推送“从单案例贝叶斯推断到贝叶斯分层推断”一文，原文由上海外国语大学司世景副教授与合作者南方科技大学古嘉雯副教授、中国人民大学田茂再教授共同撰写，2024年发表于统计学国际重要期刊《computational statistics》。在很多研究领域中，处理数据科学问题时■★★◆◆◆，贝叶斯推断因其以下特点而广受欢迎：（i）它考虑了模型中所有参数的不确定性（Gelman 和 Shalizi, 2013；Ye 等, 2023）；（ii）越来越多的通用贝叶斯推断软件包如 Stan（Carpenter 等◆◆★◆◆, 2017）和 BUGS（Carroll 等, 2015）不断被开发和扩展。

　　我局官微◆■◆★★“上海统计”已开设专栏“理论应用”，内容聚焦前沿理论、立足全球视野，以传播现代统计方法、实践和成功案例为主■★★◆◆，助推统计人科研水平提高和统计事业的改革发展，欢迎大家及时关注分享★★★。