Trochę niepokoi mnie to, jak mentalnie poradziłem sobie z paradoksem Borela i innymi powiązanymi „paradoksami” dotyczącymi prawdopodobieństwa warunkowego. Dla tych, którzy to czytają, ale nie znają tego, zobacz ten link . Do tej pory moja mentalna reakcja polegała głównie na ignorowaniu tego, ponieważ wydaje się, że nikt o tym nie mówi, ale uważam, że powinienem to naprawić.
Wiemy, że ten paradoks istnieje, a jednak wydaje się, że w praktyce (jako skrajny przykład, analiza bayesowska) doskonale radzimy sobie z uwarunkowaniem zdarzeń o miary ; jeśli X to moje dane, cały czas warujemy na X = x , nawet jeśli jest to zdarzenie o wymiarze 0, gdy X jest ciągłe. I z pewnością nie staramy się skonstruować sekwencji zdarzeń zbieżnych z wydarzeniem, które zaobserwowaliśmy, aby rozwiązać paradoks, przynajmniej nie wprost.
Myślę, że jest to w porządku, ponieważ zasadniczo zmieniliśmy losową zmienną (w zasadzie) przed eksperymentem, więc uzależniamy się od σ ( X ) . Oznacza to, że σ ( X ) jest naturalną algebrą σ, od której zależy warunkowanie, ponieważ informacja X = x ma zostać wykorzystana przez X - gdyby przyszła do nas w inny sposób, uwarunkowalibyśmy inną algebrę σ . Paradoks Borela powstaje, ponieważ (jak sądzę) nie jest oczywiste, na jakiej warunce σ powinna się opierać, ale Bayesian określił σ . Ponieważ określamy z góry, że informacja X = x przyszła do nasza pomocą pomiaru X, jesteśmy w pełniprzekonani. Po określeniu σ -algebry wszystko jest w porządku; konstruujemy nasze warunkowe oczekiwania za pomocą Radon-Nikodym i wszystko jest unikalne do zera.
Czy to w zasadzie ma rację, czy też jestem daleko? Jeśli jestem daleko, jakie jest uzasadnienie naszego zachowania? [Biorąc pod uwagę charakter pytań i odpowiedzi na tej stronie, traktuj to jako moje pytanie.] Kiedy wziąłem moje teoretyczne prawdopodobieństwo, z jakiegoś powodu nie rozumiem, nigdy nie dotknęliśmy warunkowych oczekiwań. W rezultacie obawiam się, że moje pomysły są bardzo zagmatwane.
Odpowiedzi:
Jako Bayesian powiedziałbym, że paradoks Borela nie ma (lub ma bardzo mało) związku ze statystykami Bayesa. Tyle że statystyki bayesowskie oczywiście używają rozkładów warunkowych. Fakt, że nie ma paradoksu w definiowaniu rozkładu bocznego jako warunku zestawu miar zerowych polega na tym, że x nie jest wybierane z góry, ale w wyniku obserwacji. Zatem jeśli chcemy zastosować egzotyczne definicje dla rozkładów warunkowych na zestawach miary zero, istnieje zerowa szansa, że te zbiory będą zawierać x{X=x} x x które ostatecznie zobaczymy. Rozkład warunkowy jest definiowany wyjątkowo prawie wszędzie i dlatego prawie na pewno dokonał naszej obserwacji. Jest to również znaczenie (świetnego) cytatu A. Kołmogorowa we wpisie na Wikipedii.
Punktem w analizie bayesowskiej, w którym subtelności teoretyczne mogą przekształcić się w paradoks, jest reprezentacja czynnika Bayesa przez Savage'a-Dickeya, ponieważ zależy ona od konkretnej wersji wcześniejszej gęstości (omówionej w naszym artykule na ten temat ...)
źródło