Um fator Bayes é definido no teste bayesiano de hipóteses e na seleção do modelo bayesiano pela razão de duas probabilidades marginais: dada uma amostra iid e respectivas densidades amostrais e , com as anteriores correspondentes e , o fator Bayes para comparar os dois modelos é
Um livro que estou revisando atualmente tem a estranha afirmação de que o fator Bayes acima( x1 1, … , Xn)f1 1( x | θ )f2( x | η)π1 1π2B12( x1 1, … , Xn) =defm1 1( x1 1, … , Xn)m2( x1 1, … , Xn)=def∫∏ni = 1f1 1( xEu| θ) π1 1( d θ )∫∏ni = 1f2( xEu| η) π2( d η)
B12( x1 1, … , Xn) é "formado pela multiplicação dos fatores individuais [fatores de Bayes] juntos" (p.118). Isso está formalmente correto se alguém usar a decomposição
mas não vejo vantagem computacional nessa decomposição como a atualização por \ frac {m_1 (x_n | x_1, \ ldots, x_ {n-1})} {m_2 (x_n | x_1, \ ldots, x_ {n-1})} requer o mesmo esforço computacional que o cálculo original de \ frac {m_1 (x_1 , \ ldots, x_n)} {m_2 (x_1, \ ldots, x_n)}B12( x1 1, … , Xn)= m1 1( x1 1, … , Xn)m2( x1 1, … , Xn)= m1 1( xn| x1 1, … , Xn - 1)m2( xn| x1 1, … , Xn - 1)× m1 1( xn - 1| xn - 2, … , X1 1)m2( xn - 1| xn - 2, … , X1 1)× ⋯⋯ × m1 1( x1 1)m2( x1 1)
m1 1( xn| x1 1, … , Xn - 1)m2( xn| x1 1, … , Xn - 1)
m1 1( x1 1, … , Xn)m2( x1 1, … , Xn)
exemplos de brinquedos artificiais externos.
Pergunta: Existe uma maneira genérica e computacionalmente eficiente de atualizar o fator Bayes de B12( x1 1, … , Xn) para
B12( x1 1, … , Xn + 1) que não exige a recálculo de todos os marginais m1 1( x1 1, … , Xn) e
m2( x1 1, … , Xn) ?
Minha intuição é que, além dos filtros de partículas, que de fato procedem ao estimar os fatores de Bayes B12( x1 1, … , Xn) uma nova observação de cada vez, não há uma maneira natural de responder a essa pergunta .