贝叶斯判别法在会计决策分析中的应用研究.pdf

贝叶斯判别法在会计决策分析中的应用 王海洪 【摘要】在会计决策分析中所采用的先验概率通常由会计人员的主观判断来确定，使用贝叶斯方法 能够对其进行修正，使之更加符合实际。本文讨论会计人员如何运用贝叶斯判别法进行应收账款可 回收性的决策分析。 【关键词】贝叶斯判别法 先验概率 后验概率 期望成本 一、引言 财务工作中有许多的决策工作，例如，会计人员需要决策，以多大的百分比提取坏账准备更合 理，决策中，会计人员肯定需要依据样本数据进行决策，但是在得到样本数据的同时，会计人员根 据其经验所作出的主观判断具有同样的参考价值，也就是说应该将会计人员的主观判断和以往的实 践经验与样本所提供的客观信息相结合，这样实施会计决策所作的最终结论才更完善，此时，运用 贝叶斯方法会满足该要求。 二、贝叶斯理论概述 贝叶斯统计概念是把统计看成研究不确定性的一门学问，并且坚持认为不确定性只能用概率语 言来进行合理的解释。引进一个效用函数(utility function)并选择使期望效用最大的最优决策。 贝叶斯方法与传统的频率学派的统计推断方法存在着本质性的差异，这主要表现在以下几个方 面： 第一，频率学派在进行统计推断时，依据两类信息：一是模型信息，即统计总体服从何种概率 分布，这是制定统计方法的基础；另一个是样本信息，即观察或试验的结果．贝叶斯学派则除了以 上两类信息外，还利用另外一类信息，即总体分布中未知参数的分布信息。 第二，频率学派坚持概率的频率解释，并在这个基础上去理解一切统计推断的结论，如在奈曼 Neyman 的区间估计理论中，“某区间估计[θ, θ ]的置信水平为1-α”这一推断，此处θ应理 1 2 解为一无随机性的未知参数，当区间估计[ θ, θ ] 反复大量使用时，100 次中大约平均有(1- 1 2 α)x100 次包含了参数θ。与此相反，贝叶斯学派赞成主观概率，概率是认识主体对事件出现可能 性大小的相信程度，它并不依事件能否重复。 第三，两个学派的具体推断理念之间存在着根本差异．统计学奠基人Fisher 在其 1921 年发表 的论文“理论统计的数学基础”中，把统计学的任务概括为三个问题：选定模型、确定统计量和决 定统计量的分布．根据Fisher 的观点，信息包含在样本中，但样本为数众多，因此须用少数几个统 计量把信息集中起来．而抽样分布则决定了统计量的全部性质．目前，频率统计学派基本上都是按 照这种思路来处理统计推断问题的。 与此不同，贝叶斯推断的一般模式为： 先验信息⊕样本信息→后验信息(参见图1)， 或π(θ) ⊕ p(x| θ) →π(θ|x) ； 此处符号“⊕”表示为贝叶斯定理的作用． 1 图1 贝叶斯推断的一般模式 贝叶斯学派认为：先验分布反映了试验前对总体参数分布的认识，在获得样本信息后，人们对 这个认识有了改变，其结果就反映在后验分布中，即后验分布综合了参数先验分布和样本信息． 由此可以看出，频率学派统计推断是“从无到有”的过程：在试验前，关于未知参数的情况是 一无所知，而试验后则有些了解，但对了解多少并无普遍的表述方法，在实践中有赖于所使用的统 计量的针对性。贝叶斯推断则不然，它是一个“从有到有”的过程，且结果清楚自然，符合人们的 思维习惯．根据所获得的信息修正以前的看法，不一定从零开始．从本质上说，贝叶斯推断方法概 括了一般人的学习过程． 第四，贝叶斯方法只能基于参数的后验分布来分析问题．也就是说，在获得后验分布后，如果 把样本、原来的统计模型(包括总体分布和先验分布)都丢掉，一点也不会影响将来的统计推断问题， 凡是符合这个准则的推断就是贝叶斯推断。据此，频率学派中的矩估计、显著性统计检验和置信区 间估计都不属于贝叶斯推断的范畴，但MLE 估计则可视为均匀先验分布之下的贝叶斯估计．因此， 作为频率学派中一个很重要的极大似然估计，不过是在一种很特殊先验分布下的贝叶斯估计而已。