Предположим, у нас есть множество точек y={y1,y2,…,yN} . Каждая точка yi генерируется с использованием распределения
p(yi|x)=12N(x,1)+12N(0,10).
Чтобы получить апостериор для
xмы пишем
p(x|y)∝p(y|x)p(x)=p(x)∏i=1Np(yi|x).
Согласно статье Минки о
распространении ожиданий,нам нужно
2Nвычислений, чтобы получить апостериорный
, и, таким образом, проблема становится неразрешимой при больших размерах образца
Н . Однако я не могу понять, зачем нам нужно такое количество вычислений в этом случае, потому что для одиночного
y i вероятность имеет вид
p ( y i | x ) = 1p(x|y)Nyip(yi|x)=122π−−√(exp{−12(yi−x)2}+110−−√exp{−120y2i}).
Используя эту формулу, мы получаем апостериорное простое умножение , поэтому нам нужно только N операций, и, таким образом, мы можем точно решить эту проблему для больших размеров выборки.p(yi|x)N
Я провожу численный эксперимент для сравнения, действительно ли я получаю один и тот же апостериор, если вычисляю каждый член отдельно и если я использую произведение плотностей для каждого . Постеры одинаковые. Видишь,
где я не прав? Может кто-нибудь объяснить мне, почему нам нужно 2 N операций для вычисления апостериорного значения для данного x и выборки y ?yi2Nxy