Przykład ścisłej nierówności von Neumanna

12

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 Δr(π,δ)δπΠΘΔ

Stwierdza to statystyczna interpretacja nierówności minimax Johna von Neumanna

supπΠinfδΔr(π,δ)infδΔsupπΠr(π,δ),

ze ścisłą równością gwarantowaną dla niektórych δ i π gdy Θ i Δ są skończone.

Czy ktoś może podać konkretny przykład, w którym nierówność jest ścisła?

Nacięcie
źródło

Odpowiedzi:

1

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 1rr0<r1

πΠ,δΔ:r(π,δ)=r0,(1)δΔ,πΠ:r(π,δ)=r1.(2)

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 1r0supπΠinfδΔr(π,δ)=r0r1infπΠsupδΔr(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,π1δ0,δ1

r(π0,δ0)=r0r(π1,δ0)=r1,r(π0,δ1)=r1r(π1,δ1)=r0.

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.

Ben - Przywróć Monikę
źródło