相同還是不同？貝葉斯方法

假設我有以下模型：

我推斷後驗和從我的數據如下所示。是否有一種貝葉斯方法來判斷（或量化）是否和是相同的還是不同的？

也許測量的概率不同於? 或者也許使用KL散度？

例如，我如何測量， 或者至少，?

一般來說，一旦你有了下面顯示的後驗（假設兩者的 PDF 值都不是零），那麼回答這個問題的好方法是什麼？

更新

看來這個問題可以從兩個方面來回答：

1. 如果我們有後驗樣本，我們可以查看樣本的分數（或等效地 ）。@Cam.Davidson.Pilon 包含一個可以使用此類樣本解決此問題的答案。
2. 整合後驗的某種差異。這是我問題的一個重要部分。**這種整合會是什麼樣子？**大概採樣方法會近似這個積分，但我想知道這個積分的公式。

**注意：**以上圖表來自此材料。

我認為一個更好的問題是，它們有顯著不同嗎？

為了回答這個問題，我們需要計算. 調用這個數量. 如果，那麼一個比另一個大的機會是均等的。另一方面，如果真的接近 1，那麼我們可以確信是大於（閱讀：不同）大於.

我們如何計算? 這在貝葉斯 MCMC 框架中是微不足道的。我們有來自後驗的樣本，所以讓我們只計算從中採樣的機會大於：

p = np.mean( lambda_2_samples > lambda_1_samples )
print p

我很抱歉沒有將其包含在書中，我肯定會添加它，因為我認為這是貝葉斯推理中最有用的想法之一

引用自：https://stats.stackexchange.com/questions/91475