In Kevin Murphys Conjugate Bayesian-Analyse der Gaußschen Verteilung schreibt er, dass die posteriore prädiktive Verteilung ist
Dabei ist die Daten, an die das Modell angepasst ist, und sind unsichtbare Daten. Was ich nicht verstehe ist, warum die Abhängigkeit von im ersten Term im Integral verschwindet. Mit den Grundregeln der Wahrscheinlichkeit hätte ich erwartet:
Frage: Warum verschwindet die Abhängigkeit von im Term ?
Für das, was es wert ist, habe ich diese Art der Formulierung (Variablen in Bedingungen fallen lassen) an anderen Stellen gesehen. Zum Beispiel schreibt er in Ryan Adams Bayesian Online Changepoint Detection die hintere Vorhersage als
wo wieder, da , hätte ich erwartet