我需要计算python中狄利克雷分布的混合PDF。但对于每个混合物组分，都有一个归一化常数，它是以超参数之和的伽玛函数为分子的反贝塔函数。因此，即使对于大小为"60"的超参数之和，它也是无界的。请建议我解决这个问题。当我忽略归一化常数时会发生什么？
首先，问题不在于NC本身的计算。对于一个狄利克雷，我没有问题。但我这里有一个狄利克雷乘积的混合物，所以每个混合物成分都是许多狄利克雷的乘积，每个狄利克雷都有自己的NCs。所以这些的乘积是无界的。关于我的目标，我有一个p（s，T，O）的联合分布，其中"s"是离散的，"T"one_answers"O"是狄利克雷变量，即一组参数向量，其和为"1"。现在，由于s是离散的和有限的，我有|s|每个s的dirichlet分量的乘积的混合集。现在我的目标是找到p（s|T，O）。所以我直接替换一个特定的（T，O），并计算每个p（的'|T，O’）的值。为此，我需要计算NC。如果只有一个混合物成分，那么我可以忽略范数常数，calc.和renormalize，但由于我有几个混合物成分，每个成分都有不同的缩放比例，所以我不能renormalise。这是我的难题。
一些想法。（1） 为了精确地计算归一化因子，也许你可以重写gamma函数，通过gamma（a\i+1）=a_i-gama（a_i）（a_i不需要是整数，让基本情况是a_i<1），然后你会在分子和分母中有sum（a\i，i，1，n）项，你可以对它们进行重新排序，这样你就可以用最大项除以最大项，并将这些单个比率相乘，而不是计算一个巨大的分子和一个巨大分母并将其除以。（2） 如果你不需要精确，也许你可以应用斯特灵近似。（3） 也许你根本不需要pdf。出于某些目的，您只需要一个与pdf成比例的函数。我相信马尔可夫链蒙特卡罗就是这样。那么，你在这里想要实现的更大目标是什么呢？