贝叶斯决策解说.pptVIP

第五章 贝叶斯决策 第一节 贝叶斯决策问题 第二节 后验风险决策 第三节 常用损失函数下的贝叶斯估计 第四节 抽样信息期望值 第五节 最佳样本量的确定 第六节 二行动线性决策问题的EVPI 第一节 贝叶斯决策问题 一、决策问题分类 (1)仅使用先验信息的决策问题称为无数据(或无样本信息)的决策问题; (2)仅使用抽样信息的决策问题称为统计决策问题; (3)先验信息和抽样信息都使用的决策问题称为贝叶斯决策问题. 二、贝叶斯决策问题 三、贝叶斯决策的优缺点 1.优点主要表现在: (1)贝叶斯决策充分利用各种信息,使决策结果更加科学化; (2)能对调查结果的可能性加以数量化的评价; (3)贝叶斯决策巧妙地将调查结果和先验知识有机地结合起来; (4)贝叶斯决策过程可以不断地使用,使决策结果逐步完善. 2.缺点: (1)贝叶斯决策所需要的数据多，分析计算也比较复杂,如果 解决的问题比较复杂时,这个矛盾就更加突出; (2)在决策的过程中，有些数据必须要使用主观概率,有些人 不是很相信,这也妨碍了贝叶斯决策方法的推广和使用. O 第二节 后验风险决策 1.后验风险函数 2.决策函数 3.后验风险准则 例1 设 是来自正态分布N(θ,1)的一个样本。又设参数θ的先验分布为共轭先验分布N(0,τ2),其中τ2已知.而损失函数为0-1损失函数试求参数θ的贝叶斯估计。 解:分三步求解: (1)求参数θ的后验分布 (2)对于任意一个决策函数 计算后验风险函数: (3)求出使得上述风险函数达到最小时的决策函数: 例2 在市场占有率θ的估计问题中，已知损失函数为：药厂厂长对市场占有率θ无任何先验信息，另外在市场调查中，在n个购买止痛剂的顾客中有x人买了新药，试在后验风险准则下对θ作出贝叶斯估计。 解:(1)求参数θ的后验分布: 结果为 Be(x+1,n-x+1) (2) ,计算风险函数 (3)求最优行动使上述风险函数达到最小.令: 则得: (4)数值计算: 例3 如何判断一个样本是来自密度函数为p0(x) 的总体还是来自密度函数为p1(x) 的总体。 解:两个假设: 问题:接受H0还是H1? (1)把假设检验问题转化为贝叶斯决策问题: ①参数空间Θ={0,1} ②行动空间A={0,1} ③先验分布:P(θ=0)=π0, P(θ=1)=π1 ④损失函数:决策正确无损失,决策错误的损失为1.则 (2)求后验分布: (3)计算每个行动下的后验风险:R(a=0|x)=P(θ=1|x) R(a=1|x)=P(θ=0|x) (4)找出最佳行动,即确定拒绝域. 1.平方损失函数下的贝叶斯估计 定理5.2 在加权平方损失函数 下, θ的贝叶斯估计为:其中λ(θ)为参数空间Θ上的正值函数.定理5.3 在参数向量 的场合下,对多元二次损失函数 ,Q为正定阵, θ的贝叶斯估计为后验均值向量: 例4 设 是来自泊松分布的一个样本.若θ的先验分布用其共轭先验分布G(α,λ),即其中参数α与λ已知.求平方损失函数下θ的贝叶斯估计. 解:解题过程分为以下三步: (1)根据题意求出θ的后验分布 (2)写出后验均值 (3)结论:由定理5.1知θ的贝叶斯估计为: 例5 设 是来自均匀分布U(0,θ)的一个样本.又设θ的先验分布为Pareto分布.在损失函数分别为绝对值损失函数和平方损失函数下求θ的贝叶斯估计. 解题步骤: 第一步:求θ的后验分布: 第二步:在绝对值损失函数 下θ的贝叶斯估计:恰为后 验分布的中位数. 第三步:平方损失函数下θ 的贝叶斯估计: Pareto分布的分布函数: 密度函数为: 期望: 方差: 中位数:μ 例6 贝叶斯决策在可靠性统计中的应用 问题的描述:假设某产品的寿命T服从指数分 布,其分布函数为: 把指定时间t0后该产品才失效的概率 称为产品在t0时刻的可靠度。在平方损失函数下 怎样估计可靠度R(t0)？ 2.线性损失函数下的贝叶斯估计 证明:(1)证明的思路: 设m为π(θ|x)的中位数,要证 明定理成立,即要证: , 都有 即 当mθδ时,2θ-(m+δ) 2δ-(m+δ)