贝叶斯层次建模中的参数

Question

我目前正在研究层次建模，尤其是贝叶斯层次建模。

基本上是： 数据模型 过程模型 参数模型

我知道，这种类型的建模将在3个层次上起作用，并且每个层次都会估计不同的组成部分。例如，在数据模型中，我们计算边际概率，而在过程模型中，它使用条件概率。  我认为最后一个级别是前两个级别的联合概率。 （如果我错了，请纠正我）

他们在每个级别定义模型，如下所示：

他们描述数据模型的原因是，排序定义了可以推断未知参数的可能性。但是，这种可能性并不能直接识别出数据是噪声，这可以通过为隐藏过程本身建立条件概率模型来解决。

这里是过程模型，它是一个条件概率模型，已经表明了它可以表达数据调查中不确定性的能力，并且通常取决于未知参数。

最后一层是参数模型，如果我们在层次模型中包括参数模型以概率表示参数的不确定性，则我们将模型称为贝叶斯模型。

我困惑的部分是数据模型中的参数是什么意思？ 流程模型中未知参数的含义是什么？ 参数模型如何处理这些参数来自前两个模型？

我查看了youtube和一些书，但没有一本书简单地解释了参数的确切含义。 是我们给的具体价值吗？还是误差测量？ 这个新主题对我来说，我看不到任何文章可以像我这样的初学者很容易地解释这些参数在这里意味着什么

任何解释将不胜感激

谢谢！