J'estime plusieurs matrices de covariance inverse d'un ensemble de mesures à travers différentes sous-populations en utilisant un wishart prior dans jags / rjags / R.
Au lieu de spécifier une matrice d'échelle et des degrés de liberté sur la matrice de covariance inverse antérieure (la distribution de Wishart), je voudrais utiliser un hyperprior sur la matrice d'échelle et les degrés de liberté, afin qu'ils puissent être estimés à partir de la variation entre les sous-populations.
Je n'ai pas trouvé beaucoup de littérature sur les hyperpriors pour la matrice d'échelle et les degrés de liberté. La plupart de la littérature semble arrêter la hiérarchie lors du choix de la avant la covariance / covariance inverse et / ou se concentrer sur l'estimation d'une matrice de covariance unique plutôt que de plusieurs matrices de covariance sur différentes populations.
Des suggestions sur la façon de procéder - quelles sont les distributions hyperprior recommandées à utiliser pour la matrice d'échelle et les degrés de liberté de la distribution de wishart? Y a-t-il de la littérature à ce sujet qui me manque?