Một yếu tố Bayes được xác định trong thử nghiệm Bayes về giả thuyết và lựa chọn mô hình Bayes theo tỷ lệ của hai khả năng cận biên: đưa ra một mẫu iid và mật độ lấy mẫu tương ứng và , với các linh mục tương ứng và , yếu tố Bayes để so sánh hai mô hình là
Một cuốn sách tôi hiện đang xem xét có một tuyên bố kỳ lạ rằng yếu tố Bayes ở trên(x1,…,xn)f1( X | q )f2( X | η)π1π2B12( x1, Lọ , xn) = =defm1( x1, Lọ , xn)m2( x1, Lọ , xn)= =def∫Πni = 1f1( xTôi| θ) π1( D θ )∫Πni = 1f2( xTôi| η) π2( D η)
B12( x1, Lọ , xn) được "hình thành bằng cách nhân các yếu tố [yếu tố Bayes] với nhau" (tr.118). Điều này hoàn toàn chính xác nếu một người sử dụng phép phân tách
nhưng tôi thấy không có lợi thế tính toán trong phân tách này khi cập nhật bởi yêu cầu nỗ lực tính toán tương tự như tính toán ban đầu củaB12( x1, Lọ , xn)= m1( x1, Lọ , xn)m2( x1, Lọ , xn)= m1( xn| x1, Lọ , xn - 1)m2( xn| x1, Lọ , xn - 1)× m1( xn - 1| xn - 2, Lọ , x1)m2( xn - 1| xn - 2, Lọ , x1)× ⋯⋯ × m1( x1)m2( x1)
m1( xn| x1, Lọ , xn - 1)m2( xn| x1, Lọ , xn - 1)
m1( x1, Lọ , xn)m2( x1, Lọ , xn)
bên ngoài ví dụ đồ chơi nhân tạo.
Câu hỏi: Có cách nào cập nhật yếu tố Bayes chung và hiệu quả về mặt tính toán từ B12( x1, Lọ , xn) thành
B12( x1, Lọ , xn + 1) không yêu cầu tính toán lại toàn bộ lề m1( x1, Lọ , xn) và
m2( x1, Lọ , xn) ?
Trực giác của tôi là, bên cạnh các bộ lọc hạt, thực sự tiến hành ước tính các yếu tố Bayes B12( x1, Lọ , xn) một quan sát mới tại một thời điểm, không có cách nào tự nhiên để trả lời câu hỏi này .