Gelman & Hill (2007) kitabında (Regresyon ve Çok Düzeyli / Hiyerarşik Modeller Kullanılarak Veri Analizi), yazarlar gereksiz ortalama parametreler eklemenin MCMC'yi hızlandırmaya yardımcı olabileceğini iddia etmektedir.
Verilen örnek, içiçe yerleştirilmemiş bir "uçuş simülatörü" modelidir (Denk 13.9):
ve ortalama parametrelerini aşağıdaki gibi ekleyerek yeniden parametrelendirmeyi :
Sunulan tek gerekçe şudur (s. 420):
Simülasyonların tüm vektör (veya ) 'nın sıfırdan uzak olduğu bir konfigürasyonda sıkışması mümkündür (ortalama 0 ile bir dağıtım atanmış olsalar bile). Nihayetinde, simülasyonlar doğru dağılıma yaklaşacak, ancak beklemek zorunda değiliz.
Gereksiz ortalama parametreler bu soruna nasıl yardımcı olur?
Bana öyle geliyor ki iç içe olmayan model yavaşça ve ile ilişkili olduğundan yavaştır . (Gerçekten, eğer biri artarsa, toplamı veriler tarafından "sabit" olduğu göz önüne alındığında diğeri aşağı inmelidir). Gereksiz ortalama parametreleri ve arasındaki ilişkiyi veya başka bir şeyi tamamen azaltmaya yardımcı olur mu?