Actualmente estoy leyendo el "libro" de programación probabilística y métodos bayesianos para hackers . He leído algunos capítulos y estaba pensando en el primer Capítulo donde el primer ejemplo con pymc consiste en detectar un punto de bruja en los mensajes de texto. En ese ejemplo, la variable aleatoria para indicar cuándo está sucediendo el punto de conmutación se indica con . Después del paso MCMC, se proporciona la distribución posterior de :
En primer lugar, lo que se puede aprender de este gráfico es que hay una posibilidad de propagación de casi el 50% que el punto de cambio ocurrió en el día 45. ¿Pero qué pasaría si no hubiera un punto de cambio? En lugar de suponer que hay un punto de conmutación y luego tratar de encontrarlo, quiero detectar si de hecho hay un punto de conmutación.
El autor responde a la pregunta "¿sucedió un punto de cambio?" Por "Si no hubiera ocurrido ningún cambio, o si el cambio hubiera sido gradual con el tiempo, la distribución posterior de se habría extendido más". Pero, ¿cómo puede responder esto con una posibilidad de propagación? Por ejemplo, hay un 90% de posibilidades de que ocurra un punto de cambio, y hay un 50% de posibilidades de que ocurra en el día 45.
¿El modelo necesita ser cambiado? ¿O se puede responder con el modelo actual?