एक बेयस फैक्टर को दो सीमांत संभावना के अनुपात द्वारा परिकल्पना और बायेसियन मॉडल के चयन के बायेसियन परीक्षण में परिभाषित किया गया है: एक iid नमूना और संबंधित नमूना घनत्व और , संबंधित और , दो मॉडल की तुलना करने के लिए बेयस कारक
एक पुस्तक जिसकी मैं वर्तमान में समीक्षा कर रहा हूं उसमें ऊपर बेयर्स कारक अजीब कथन है(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) "अलग-अलग [Bayes कारकों] को एक साथ गुणा करके बनाया जाता है" (p.118)। यह औपचारिक रूप से सही है यदि कोई अपघटन
लेकिन मुझे इस में कम्प्यूटेशनल लाभ के रूप में द्वारा अद्यतन के रूप में नहीं को समान कम्प्यूटेशनल प्रयास की आवश्यकता होती है, जैसा कि \ frac {m_1 (x_1 की मूल गणना है। \ 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)
कृत्रिम खिलौना उदाहरण के बाहर।
प्रश्न: वहाँ से Bayes कारक को अद्यतन करने की एक सामान्य और computationally कारगर तरीका है B12(x1,…,xn) को
B12(x1,…,xn+1) जिसमें संपूर्ण m1(x1,…,xn)m2(x1,…,xn)) और
m_2 (x_1, \ ldots, x_n ) को पुन: सम्मिलित करने की आवश्यकता नहीं है ?
मेरा अंतर्ज्ञान है, कण फिल्टर के अलावा, जो कि वास्तव में बेस कारकों B12(x1,…,xn) को एक बार में एक नए अवलोकन का अनुमान लगाने के साथ आगे बढ़ता है , इस प्रश्न का उत्तर देने का कोई प्राकृतिक तरीका नहीं है ।