用旧数据的最大似然估计作为先验，用贝叶斯更新旧数据每个时间点的漂移系数

您可以使用旧数据的最大似然估计作为先验分布的均值，并选择一个比均值小的数作为方差。然后，您可以使用贝叶斯定理将先验分布和每个时间点的新数据的似然函数结合起来，从而得到后验分布。接着，您可以将后验分布作为下一个时间点的先验分布，并重复这个过程，从而逐步更新每个时间点的漂移系数。

需要注意的是，使用旧数据来更新漂移系数可能会导致估计的偏差或不准确，因为旧数据可能无法反映当前系统的状态。如果您需要更精确地估计漂移系数，建议使用最新的数据进行更新。