Dieses Problem ergibt sich aus einem Bayes'schen statistischen Modellierungsprojekt. Um mit meinem Modell rechnen zu können, muss ich eine Integration durchführen, bei der ein Teil des Integranden die "Pólya" - oder "Dirichlet-Multinomial" -Verteilung ist.
wobei und ganze Zahlen sind, und . Das Integral, das ich berechnen möchte, , funktioniert gut für kleine , aber die Quadraturmethoden, die ich versucht habe (in MATLAB), brechen nach unten, wenn groß wird. Ich habe Monte Carlo nicht ausprobiert. Eine genaue, schnelle Quadraturmethode wäre für mein Projekt sehr schön.
Derzeit besteht die "beste" Methode, wenn groß ist, darin, über ein Gitter in Alpha zu berechnen , zu normalisieren und zu potenzieren. Dies ist ungenau (ich verliere im Wesentlichen alle Details über die Verteilung mit Ausnahme ihrer Peaks), erzeugt aber zumindest eine Zahl.
Ich würde mich über Ratschläge zur Verbesserung dieser Berechnung oder über Hinweise auf verschiedene Algorithmen / Methoden oder vorhandene Software freuen.
EDIT: Ich sollte vielleicht hinzufügen, dass meine Bewertung von , durchgeführt durch Berechnen mit einigen sorgfältig geschriebenen Code zu berechnen für große , scheint keine Probleme zu verursachen.
EDIT 2: Zusätzlich würden "große" Werte in der Größenordnung von , wobei das größte zusammen mit vielen kleinen Werten von . Die anderen Begriffe verhalten sich numerisch gut. Als Vereinfachung mit ungefähr dem entsprechenden Schwanzverhalten könnten Sie nehmen
This is inaccurate (I lose essentially all detail about the distribution except its peaks), but at least produces a number.
Ich verstehe nicht, warum dies ein Problem sein sollte. Das Ergebnis eines Bayes'schen Ansatzes wird immer von den Spitzen dominiert (denken Sie an Ockhams Rasiermesser). Lokale Merkmale geben Ihnen einen vernachlässigbaren Beitrag zu den endgültigen Wahrscheinlichkeiten.