En el libro de Gelman & Hill (2007) (Análisis de datos utilizando regresión y modelos multinivel / jerárquicos), los autores afirman que incluir parámetros medios redundantes puede ayudar a acelerar MCMC.
El ejemplo dado es un modelo no anidado de "simulador de vuelo" (Ec. 13.9):
Recomiendan una reparametrización, agregando los parámetros medios y siguiente manera:
La única justificación ofrecida es que (p. 420):
Es posible que las simulaciones se atasquen en una configuración en la que todo el vector (o ) esté lejos de cero (aunque se les asigne una distribución con media 0). Finalmente, las simulaciones convergerán a la distribución correcta, pero no queremos tener que esperar.
¿Cómo ayudan los parámetros medios redundantes con este problema?
Me parece que el modelo no anidado es lento principalmente debido a que y están correlacionados negativamente. (De hecho, si uno sube, el otro tiene que bajar, dado que su suma está "fijada" por los datos). ¿Los parámetros medios redundantes ayudan a reducir la correlación entre y , o algo completamente diferente?