Wartością współczynnika Bayesa jest zdefiniowana w Bayesa testowanie hipotez i wybór modelu Bayesowskiego przez stosunek dwóch krańcowych wiarogodności: podany Próbkę IID i odpowiednich gęstości próbkowania i , z odpowiednimi priorytetami i , współczynnikiem Bayesa do porównania dwóch modeli jest
książka ja obecnie przeglądu ma dziwne stwierdzenie, że powyższy czynnik Bayesa(x1,…,xn)f1(x|θ)f2(x|η)π1π2B12(x1,…,xn)=defm1(x1,…,xn)m2(x1,…,xn)=def∫∏ni=1f1(xi|θ)π1(dθ)∫∏ni=1f2(xi|η)π2(dη)
B12(x1,…,xn) jest „utworzony przez pomnożenie poszczególnych [czynników Bayesa] razem” (str. 118). Jest to formalnie poprawne, jeśli używa się rozkładu
ale nie widzę przewagi obliczeniowej w tym rozkładzie jak aktualizacja \ frac {m_1 (x_n | x_1, \ ldots, x_ {n-1})} {m_2 (x_n | x_1, \ ldots, x_ {n-1})}} wymaga takiego samego wysiłku obliczeniowego jak oryginalne obliczenie \ frac {m_1 (x_1 , \ ldots, x_n)} {m_2 (x_1, \ ldots, x_n)}B12(x1,…,xn)=m1(x1,…,xn)m2(x1,…,xn)=m1(xn|x1,…,xn−1)m2(xn|x1,…,xn−1)×m1(xn−1|xn−2,…,x1)m2(xn−1|xn−2,…,x1)×⋯⋯×m1(x1)m2(x1)
m1(xn|x1,…,xn−1)m2(xn|x1,…,xn−1)
m1(x1,…,xn)m2(x1,…,xn)
poza przykładami sztucznych zabawek.
Pytanie: Czy istnieje ogólny i wydajny obliczeniowo sposób aktualizacji współczynnika Bayesa z B12(x1,…,xn) do
B12(x1,…,xn+1) , który nie wymaga przeliczenia całego marginesu m1(x1,…,xn) i
m2(x1,…,xn) ?
Moją intuicją jest to, że oprócz filtrów cząstek, które rzeczywiście postępują zgodnie z oszacowaniami czynników Bayesa B12(x1,…,xn) jedna nowa obserwacja na raz, nie ma naturalnego sposobu odpowiedzi na to pytanie .