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 $X\sim N(0,{0.2}^2)$ 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! 👋