贝叶斯分析.docVIP

第四章 贝叶斯分析 Bayesian Analysis §4.0引言 一、决策问题的表格表示——损失矩阵 对无观察(No-data)问题 a=δ 可用表格(损失矩阵)替代决策树来描述决策问题的后果(损失): … … π() … π() … π() 或 π() … π() … π() … … 损失矩阵直观、运算方便 二、决策准则 通常，要根据某种原则来选择决策规则δ，使结果最优(或满意)，这种原则就叫决策原则，贝叶斯分析的决策原则是使期望效用极大。本章在介绍贝叶斯分析以前，先介绍其他决策原则。 三、决策问题的分类： 1.不确定型(非确定型) 自然状态不确定,且各种状态的概率无法估计. 2.风险型 自然状态不确定,但各种状态的概率可以估计. 四、按状态优于： ≤ (I, 且至少对某个i严格不等式成立, 则称行动按状态优于 4 7 2 6 6 8 3 4 7 §4.1 严格不确定型决策问题的决策准则 一、悲观准则(极小化极大(Wald)准则) l (,)或 例: 10 8 7 9 4 1 9 2 13 16 12 14 6 9 8 10 各行动最大损失: 13 16 12 14 其中损失最小的损失对应于行动. 采用该原则者极端保守, 是悲观主义者, 认为老天总跟自己作对. 二、乐观系数法 极小化极小：l (,)或 例: 10 8 7 9 4 1 9 2 13 16 12 14 6 9 8 10 各行动最小损失: 4 1 7 2 其中损失最小的是行动. 采用该原则者极端冒险，是乐观主义者，认为总能撞大运。 Hurwicz：上两法的折衷，取乐观系数λ（由决策人选定） ［λl (,)＋（1－λ）l (,)］ 例如 λ=0.5时 λ 2 0.5 3.5 1 (1－λ) 6.5 8 6 7 两者之和 8.5 8.5 9.5 8 其中损失最小的是：行动 三、后悔值极小化极大准则(Savage-Niehans) 定义后悔值 =- 其中为自然状态为 时采取不同行动时的最小损失. 构成后悔值(机会成本)矩阵 S={} ,使后悔值极小化极大,即: 例:损失矩阵同上, 后悔值矩阵为: 3 1 0 2 3 0 8 1 1 4 0 2 0 3 2 4 各种行动的最大后悔值为: 3 4 8 4 其中行动a1 的最大后悔值最小,所以按后悔值极小化极大准则应采取行动1. 四、等概率准则(Laplace) 用 来评价行动 的优劣 选 上例： : 33 34 36 35 其中行动的损失最小 五、莫尔诺(Molnor)对理想决策准则的要求 (1954) 1.能把方案或行动排完全序； 2.优劣次序与行动及状态的编号无关； 3.若行动按状态优于，则应有优于 ； 4.无关方案独立性：已经考虑过的若干行动的优劣不因增加新的行动而改变； 5.在损失矩阵的任一行中各元素加同一常数时，各行动间的优劣次序不变； 6.在损失矩阵中添加一行，这一行与原矩阵中的某行相同，则各行动的优劣次序不变。 §4.2 风险型决策问题的决策准则 一、最大可能值准则 令 π()=maxπ() 选 使 l(,)=l(,) 例： π() 0.2 7 6.5 6 0.5 3 4 5 0.3 4 1 0 π() 概率最大, 各行动损失为 3 4 5 ∴应选行动 二、贝叶斯原则 使期望损失极小： {l(,)π() } 上例中, 各行动的期望损失分别为4.1, 3.6, 3.7, 对应于的期望损失3.6最小 ∴应选. 三、伯努利原则 损失函数取后果效用的负值，再用贝叶斯原则求最优行动. 四、E—V(均值—方差)准则 若 ≤ 且 则优于 通常不存在这样的 上例中: