后验概率计算的时间复杂度（Big-O表示法）

Question

我从Big-O notation's definition得到了Big-O表示法的基本概念。

在我的问题中，二维表面被划分为均匀的 M 网格。基于 A 特征为每个网格（ m ）分配一个后验概率。

m 网格的后验概率计算如下：

边际可能性为：

此处， A 特征彼此独立，并且 sigma 和平均值符号代表每个的标准偏差和平均值每个网格上的 a 功能。我需要计算所有 M 网格的后验概率。

按照Big-O表示法，以上操作的时间复杂度如何？

我的猜测是O（M）或O（M + A）。我对么？我希望在正式论坛上能得到真实的答案。

另外，如果将 M 网格划分为 T 簇，其中每个簇都有 Q 网格，那么时间复杂度是多少（ Q << M ）（仅计算 M 网格中 Q 网格的后验概率）？

非常感谢您。

Answer 1

离散和与积

可以理解为循环。如果您对浮点近似感到满意，则大多数其他运算符通常为O（1），则条件概率看起来像函数调用。只需在方程式中注入常量和变量，您将获得预期的Big-O，公式的细节无关紧要。另外请注意，通常可以使用数学属性来简化这些“循环”。

如果结果不明显，请以编程语言将上述数学公式转换为实际的编程代码。计算机科学Big-O永远与公式无关，而在于在编程步骤中对其的实际翻译，取决于实现方式，相同的公式可能会导致非常不同的执行复杂性。与实际执行求和O（n）或应用高斯公式O（1）相加整数不同。

通过这种方式，为什么要对离散域N进行离散和？不应该是M吗？