Ayer me fue dado un conjunto de datos $(a_1,\ldots,a_n)$ (es decir, $n$ i.yo.d. realizaciones) y la deseada empírica de la probabilidad condicional $P(A_n|B_n)$ donde $A_n,B_n$ son eventos en los datos.
Hoy, he recibido un nuevo punto de datos y mi total del conjunto de datos es ahora $(a_1,\ldots,a_n,a_{n+1})$. Yo quiero volver a calcular la "actualización" $P(A_{n+1}|B_{n+1})$ dado este nuevo dato.
Mi pregunta es, ¿cómo sería "Bayesiano " actualización" se utiliza aquí? Yo sólo podía calcular $P(A_{n+1}|B_{n+1})$ utilizando la definición, pero estoy interesado en aprender a utilizar esta Bayesiano de actualización técnica. Mi mejor conjetura es $$ P(A_{n+1}|B_{n+1}) = \frac{P(B_{n+1}|A_{n+1})P(A_n|B_n)}{P(B_{n+1})}, $$ es decir, el uso de mi anterior posterior como mi nuevo antes, pero esta afirmación no es matemáticamente cierto. En particular, $P(A_{n+1}|B_{n+1}) \notin [0,1]$ necesariamente. Así que, ¿qué se entiende por "actualización Bayesiana," y ¿por qué debo utilizar a lo largo de sólo computing probabilidades condicionales usando la definición?
