Niech oznacza ryzyko Bayesa estymatora w odniesieniu do wcześniejszego , niech oznacza zbiór wszystkich priorów w przestrzeni parametrów , a niech oznacza zbiór wszystkie (ewentualnie losowe) reguły decyzyjne.δ π Π Θ Δ
Stwierdza to statystyczna interpretacja nierówności minimax Johna von Neumanna
ze ścisłą równością gwarantowaną dla niektórych i gdy i są skończone.
Czy ktoś może podać konkretny przykład, w którym nierówność jest ścisła?
bayesian
decision-theory
risk
Nacięcie
źródło
źródło
Odpowiedzi:
Przykład ścisłej nierówności von Neumanna występuje, gdy funkcja ryzyka spełnia następujące warunki dla niektórych wartości (gdzie pierwsza wartość jest „niska”, a druga „wysoka”):r 0 < r 1r r0<r1
Pierwszy warunek mówi, że niezależnie od wcześniejszego, zawsze istnieje reguła decyzyjna o niskim ryzyku , która daje . Drugi warunek mówi, że bez względu na regułę decyzyjną zawsze istnieje uprzednie ryzyko , co daje .sup π ∈ Π inf δ ∈ Δ r ( π , δ ) = r 0 r 1 inf π ∈ Π sup δ ∈ Δ r ( π , δ ) = r 1r0 supπ∈Πinfδ∈Δr(π,δ)=r0 r1 infπ∈Πsupδ∈Δr(π,δ)=r1
Innym sposobem stwierdzenia tej sytuacji jest to, że nie ma reguły decyzyjnej (wybranej przed spotkaniem z przełożonym), która gwarantowałaby niskie ryzyko dla każdego przejęcia (czasami będzie to miało wysokie ryzyko), ale dla każdego z nich istnieje pewna reguła decyzji (wybrana po obejrzeniu wcześniej), która gwarantuje niskie ryzyko. Innymi słowy, aby nałożyć dolną granicę na ryzyko, musimy dostosować zasadę decyzji do wcześniejszej .
Przykład: Prosty przykład tego rodzaju sytuacji występuje, gdy masz parę dozwolonych i parę dopuszczalnych reguł decyzyjnych z macierzą ryzyka taką jak ta:δ 0 , δπ0,π1 δ0,δ1
W tym przypadku nie ma reguły decyzyjnej gwarantującej niskie ryzyko w stosunku do obu priorów, ale dla każdego z nich istnieje reguła decyzyjna o niskim ryzyku. Ta sytuacja spełnia powyższe warunki, co powoduje ścisłą nierówność w nierówności von Neumanna.
źródło