Por que a distribuição posterior na inferência bayesiana geralmente é intratável?

Tenho um problema para entender por que a inferência bayesiana leva a problemas intratáveis. O problema é frequentemente explicado assim:

O que não entendo é por que essa integral precisa ser avaliada em primeiro lugar: parece-me que o resultado da integral é simplesmente uma constante de normalização (como o conjunto de dados D é fornecido). Por que não se pode simplesmente calcular a distribuição posterior como numerador do lado direito e, em seguida, inferir essa constante de normalização exigindo que a integral sobre a distribuição posterior seja 1?

o que estou perdendo?

Obrigado!

bayesian inference Arni
fonte

A quem possa interessar: esta questão é diretamente sobre o tópico, porque se trata de estatística.

Sycorax diz Reinstate Monica

O trecho está mal escrito. Esteja ciente de que

não é a distribuição posterior; é a probabilidade incondicional dos dados (isto é, independentemente do teta). Como

será o mesmo para todos os modelos considerados para o mesmo conjunto de dados, ele não precisa necessariamente ser calculado. Caso contrário, basta alterar o sinal de igual para 'proporcional a' (

P (D)

$P(\mathcal D)$

P (D)

$P(\mathcal D)$

\propto

$\propto$

gung - Restabelece Monica

Você poderia fornecer a referência desse slide, como presumo que foi escrito por outra pessoa?

Xi'an

O requisito de calcular

ocorre verdadeiramente quando se compara modelos (às vezes isso é chamado de evidência ). Ao considerar um único modelo, o numerador "é suficiente" para definir o posterior. No entanto, se você deseja calcular estimadores de pontos como expectativas posteriores ou quantis, rapidamente descobrirá que também precisa do denominador.

p (D)

$p(\mathcal{D})$

Xi'an

No momento, estamos realizando um workshop sobre constantes de normalização, onde você pode encontrar entradas interessantes para responder a esta pergunta.

Xi'an

Respostas:

Por que não se pode simplesmente calcular a distribuição posterior como numerador do lado direito e, em seguida, inferir essa constante de normalização exigindo que a integral sobre a distribuição posterior seja 1?

P (θ | D) = \frac{p (D | θ) P (θ)}{P (D)} .

$P(\theta|D) = \dfrac{p(D|\theta) \, P(\theta)}{P(D)}.$

$P(D|\theta)P(\theta)$ $\theta$ $c$

\begin{aligned} \int_{θ} c P (D | θ) P (θ) d θ = 1 \\ \Rightarrow & \int_{θ} c P (D, θ) d θ = 1 \\ \Rightarrow & c P (D) = 1 \\ \Rightarrow & c = \frac{1}{P (D)} . \end{aligned}

$\begin{align*} &\int_{\theta} cP(D|\theta) \, P(\theta)\, d\theta = 1\\ \Rightarrow & \int_{\theta} cP(D, \theta) \, d\theta = 1\\ \Rightarrow & cP(D) = 1\\ \Rightarrow& c = \dfrac{1}{P(D)}. \end{align*}$

$P(D)$

Greenparker
fonte

Outra maneira de pensar sobre isso é: qual

θ

$\theta$ é melhor? Você tem que olhar para todos eles!

Information_interchange

Eu tive a mesma pergunta. Este ótimo post explica muito bem.

Em poucas palavras. É intratável porque o denominador deve avaliar a probabilidade de TODOS os valores possíveis de 𝜃; na maioria dos casos interessantes, ALL é uma grande quantidade. Enquanto o numerador é para uma única realização de 𝜃.

Veja Eqs. 4-8 no post. Captura de tela do link:

Arraval
fonte