我目前正在开发Openbugs中的分层贝叶斯模型，该模型涉及大量（大约6000个站点）的二项式过程。它描述了连续移除电捕鱼事件/通行证，一般结构如下：
N_tot[i]<-d[i] * S[i]
d[i]~dgamma(0.01,0.01)
for (i in 1:n_sites){
for (j in 1:n_pass[i]){
logit(p[i,j])~dnorm(0,0.001)
N[i,j] <- N_tot[i] - sum( C[i,1:(j-1)] )
C[i,j] ~ dbin( p[i,j] , N[i,j] )
}
}
其中n_sites是我正在查看的网站总数。 n_pass [i]是在站点i进行的钓鱼通行证的数量。 N [i，j]是鱼类通过j时的地点i中的鱼数。 N_tot [i]是在任何鱼通过之前的位置i中的鱼的总数，并且它是位点密度d [i]乘以位点S [i]的表面（表面已知）的乘积。 C [i，j]是在鱼道j期间在场地i中捕获的鱼的数量。 p [i，j]是鱼类通过j的站点i捕获的概率。
每个站点平均3次钓鱼通过，这是很多连续的二项式过程，通常需要花费大量时间来计算/收敛。 我无法估计二项式过程，因为捕获量通常很小。
所以我有点卡住了，我正在寻找处理这个问题的建议/替代方案。
提前致谢
编辑历史记录： 15-11-2016：在@M_Fidino请求澄清之后添加了对d和p的先前定义