Hoje anexo um shiny app construído com o objetivo de mostrar como entropy-pooling distorce as funções de densidade de probabilidade.

Ao usuário é permitido escolher os parâmetros de locação, \(\mu\), e dispersão, \(\sigma\).

A distribuição posterior é comparada com uma prior oriunda do processo \(X \sim \mathcal{N}(0,\ 0.2^2)\) com \(n = 5.000\).

Perceba que ao contrário dos métodos bayesianos tradicionais, a otimização via entropy-pooling acontece numa fração de segundos, permitindo que as opiniões sejam reprecificadas em real-time.

Isso é possível porque entropy-pooling reprecifica apenas as probabilidades de cada evento, e não os eventos em si. Ou seja, a estimação acontece uma única vez.

Bye-bye MCMC! 👋