第四章 贝叶斯分析_
第四章 贝叶斯分析_详细内容
第四章 贝叶斯分析_
第四章 贝叶斯分析 Bayesean 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): | |[pi|… |[pi|… |[pic| | |c] | |c] | |] | |π([pic|[pi| |[pi| |[pic| |]) |c] | |c] | |][pi| | | | | | |c] | |… | | | | | | |π([pic|[pi| |[pi| | | |]) |c] | |c] | | | |… | | | | | | |π([pic|[pi| | | |[pic| |]) |c] | | | |] | 或 | |π([pic]|… |π([pic]|… |π([pic]| | |) | |) | |) | |[pic] |[pic] | |[pic] | |[pic] | |… | | | | | | |[pic] | | |[pic] | | | |… | | | | | | |[pic] |[pic] | | | |[pic] | 损失矩阵直观、运算方便 二、决策原则 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芙他决 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: [pic]≤[pic] (I, 且至少对某个i严格不等式成立, 则称行动[pic]按状态优于[pic] §4.1 不确定型决策问题 一、极小化极大(wald)原则(法则、准则) [pic][pic] [pic] [pic][pic] l ([pic] , [pic]) 或 [pic] [pic][pic] 例: | |[pic] |[pic] |[pic] |[pic] | |[pic] |10 |8 |7 |9 | |[pic] |4 |1 |9 |2 | |[pic] |13 |16 |12 |14 | |[pic] |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[pic]. 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、极小化极小 [pic][pic] l ([pic] , [pic]) 或 [pic] [pic] [pic] 例: | |[pic] |[pic] |[pic] |[pic] | |[pic] |10 |8 |7 |9 | |[pic] |4 |1 |9 |2 | |[pic] |13 |16 |12 |14 | |[pic] |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[pic]. 采用该原则者极端冒险,是乐观主义者,认为总能撞大运。 三、Hurwitz准则 上两法的折衷,取乐观系数入 [pic][λ[pic] l ([pic] , [pic])+(1-λ〕[pic] l ([pic] , [pic])] 例如 λ=0.5时 λ[pic][pic] : 2 0.5 3.5 1 (1-λ〕[pic][pic]: 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[pic] 四、等概率准则(Laplace) 用 [pic][pic] 来评价行动 [pic]的优劣 选[pic][pic][pic] 上例: [pic][pic] : 33 34 36 35 其中行动 [pic] 的损失最小 五、后梅值极小化极大准则(svage-Niehans) 定义后梅值 [pic]=[pic]-[pic][pic] 其中[pic][pic]为自然状态为[pic] 时采取不同行动时的最小损失. 构成后梅值(机会成本)矩阵 S={[pic]}[pic] ,使后梅值极小化极大,即: [pic][pic] 例:损失矩阵同上, 后梅值矩阵为: 3 1 0 2 3 0 8 1 1 4 0 2 0 3 2 4 各种行动的最大后梅值为: 3 4 8 4 其中行动a1 的最大后梅值最小,所以按后梅值极小化极大准则应采取行动1. 六、Krelle准则: 使损失是效用的负数(后果的效用化),再用等概率(Laplace)准则. 七、莫尔诺(Molnor)对理想决策准则的要求 (1954) 1.能把方案或行动排居完全序; 2.优劣次序与行动及状态的编号无关; 3.若行动 [pic]按状态优于[pic],则应有 [pic]优于[pic] ; 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原则 一、最大可能值准则 令 π([pic])=maxπ([pic]) 选 [pic]使 l([pic],[pic])=[pic]l([pic],[pic]) 例: | |π([pic]|[pic] |[pic] |[pic] | | |) | | | | |[pic] |0.2 |7 |6.5 |6 | |[pic] |0.5 |3 |4 |5 | |[pic] |0.3 |4 |1 |0 | π([pic]) 概率最大, 各行动损失为 3 4 5 ∴应选行动[pic] 二、贝叶斯原则 使期望损失极小: [pic]{ [pic]l([pic] , [pic]) π([pic]) } 上例中,各行动的期望损失分别为 4.1 3.6 3.7, 对应于[pic]的期望损失3.6最小 ∴应选[pic]. 三、贝努利原则 损失函数取后果效用的负值,再用Bayes原则求最优行动. 四、E—V(均值—方差)准则 若 [pic][pic] ≤[pic][pic] 且 [pic] 则[pic]优于[pic] 通常不存在这样的[pic] 上例中: |[pic] |[pic] |[pic] | E 4.1 3.6 3.7 V([pic]) 2.29 3.79 5.967 不存在符合E—V准则的行动, 这时可采用f(μ,σ)的值来判断(μ为效益型后果的期望) ( μ-ασ f( μ,σ)=( μ-ασ[pic] ( μ-α(μ[pic]+σ[pic]) f越大越优. 五、不完全信息情况下的决策原则(Hodges-Lehmann原则) 状态概率分布不可靠时, 可采用: φ([pic])=λ[pic] + [pic][pic] i=1,2,… ,m j=1,2,…,n φ越大越优. §4.3贝叶斯定理 一、条件概率 1.A、B为随机试验E中的两个事件 P(A|B)=P(AB)/P(B) 由全概率公式: [pic] j=1,2,…,n 是样本空间的一个划分, P(B)=[pic]P(B|[pic])P([pic]) 得Bayes公式 P([pic]|B)=P(B|[pic])·P([pic])/P(B) = P(B|[pic])·P([pic])/[pic]P(B|[pic])P([pic]) 2. 对Θ,Χ两个随机变量 ·条件概率密度 f(θ| x)=f(x |θ)f(θ)/f(x) ·在主观概率论中 π(θ| x)=f(x |θ)π(θ)/m(x) 其中:π(θ)是θ的先验概率密度函数 f(x|θ)是θ出现时,x的条件概率密度,又称似然函数. m(x)是x的边缘密度, 或称预测密度. m(x)=[pic] f(x |θ)π(θ) dθ 或 [pic]p(x|[pic])π([pic]) π(θ|x)是观察值为x的后验概率密度。 例:A 坛中白球30%黑球70% B 坛中白球70%黑球30% 两坛外形相同,从中任取一坛,作放回摸球12次,其中白球4次,黑球8次,求所取为A坛 的概率. 解:设观察值4白8黑事件为x,记取A坛为 [pic], 取B坛为[pic] 在未作观察时,先验概率p([pic])=p([pic])=0.5 则在作观察后,后验概率 P([pic]|x)=p(x|[pic])p([pic])[pic]p(x|[pic])p([pic])+p(x|[pic])p([pic]) =[pic]×[pic]×0.5[pic]([pic]×[pic]×0.5+[pic]×[pic]×0.5) =[pic][pic]([pic]×[pic]) =0.2401[pic]0.2482 =0.967 显然, 通过试验、观察、可修正先验分布. §4.4 贝叶斯分析的正规型与扩展型 一、正规型分析 由Baysean原则:先验分布为π(θ)时,最优的决策规则δ是贝叶斯规则[pic],使贝叶斯风 险 r(π, [pic])=[pic] r(π,δ(x)) 其中:r(π,δ(x))= [pic]R(θ,δ(x)) =[pic][[pic] l(θ,δ(x)) = [pic][pic] l(θ,δ(x)) f(x |θ)dxπ(θ) dθ (1) 据(1)式,选[pic]使r(π,δ)达到极小,这就是正规型的贝叶斯分析。 在解实际问题时,求使(1)式极小的δ(x)往往十分困难,尤其在状态和观察值比较复杂时 ,Δ集中的策略数目很大,穷举所有的δ(x)有困难,且计算量颇大。实际上可用下法: 二、扩展型贝叶斯分析(Extensive Form Analysis) 在(1)式中因l(θ,δ)>-∞,f(x|θ),π(θ)均为有限值。 ∴由Fubini定理,积分次序可换 即r(π,δ(x))= [pic][pic] l(θ,δ(x)) f(x |θ)dxπ(θ) dθ =[pic][pic] l(θ,δ(x)) f(x |θ)π(θ) dθdx (2) 显然,要使(2)式达到极小,应当对每个x∈X,选择δ, 使 [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ (2’)为极小 ∵δ(x)=a ∴若对给定的x,选a,使 [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ 为极小 亦即, 使 [pic][pic]l(θ,a) f(x |θ)π(θ) dθ =[pic]l([pic],a) π([pic]|x) dθ 或 [pic]l([pic],a)p([pic]|x) (3) 达极小,即可使(1)式为极小. ·结论: 对每个x,选择行动a,使之对给定x时θ的后验分布π(θ|x)的期望损失为极小,即可求得 贝叶斯规则。 这种方法叫贝叶斯分析的扩展型,由此确定的贝叶斯规则叫formal Bayesean Rule ——Raiffa Sehlaifer,1961年提出。 ·Note ·使(3)式达极小的行动可能不只一个,即可能有多个贝叶斯规则; ·扩展型比正规型更直观,也容易计算,故更常用; ·许多分析人员只承认扩型,理由是: i,π(θ|x)描述了试验后的θ的分布,比π(θ)更客观,因此,只要损失函数是由效用理论 导出的(即考虑了DMer的价值判断、风险偏好),在评价行动a的优劣时就应当用后验期望 损失。 ii, r(π,δ)是根据π(θ)求出的,而用先验分布π(θ)来确定行动a并不一定适当。 从根本上讲,这种观点是正确的。 ·无论从何种观点来进行贝叶斯分析,从理论上讲,结果是一样的,所以采用何种方法可 视具体问题,据计算方便而定。 ·已经证明,形式贝叶斯分析对一类非随机性决策规则是成立的,也可以证明它对随机性 决策规则同样成立。使所有x上后验期望损失极小的贝叶斯规则也是随机性规则集Δ*中的 Bayes规则,因此,总可以找到一验期望损失极小的非随机性规则。 三、例(先看无观察问题) 农民选择作物问题,设某地旱年[pic]占60%,正常年景[pic]占40%; [pic] 种植耐旱作物 [pic]种不耐旱作物,后果矩阵为: [pic] [pic] [pic] 20 0 [pic] 60 100 决策人的效用函数 u(y)=[pic](1-[pic]) 解:i令:l(y)=1-u(y) [pic] ii,作决策树: [pic] iii, 在无观察时, R=l, r= [pic]l([pic],a)π([pic]) r(π, [pic])=l([pic],[pic])π([pic])+l([pic],[pic])π([pic]) =0.62 ×0.6+0.19 ×0.4 =0.448 r(π, [pic])= l([pic],[pic])π([pic])+l([pic],[pic])π([pic]) =1.0 ×0.6+0 ×0.4 =0.6 风险r小者优, ∴δ=[pic],是贝叶斯规则, 即贝叶斯行动.即应选择耐旱作物。 四、例(续上) 设气象预报的准确性是0.8,即p([pic]|[pic])=0.8 p([pic]|[pic])=0.8 其中,[pic]预报干旱 [pic]预报正常年景 则 m([pic])=p([pic]|[pic])π([pic])+p([pic]|[pic])π([pic]) =0.8 ×0.6+0.2 ×0.4=0.56 m([pic])=0.44 π([pic]|[pic])=p([pic]|[pic])π([pic])[pic]m([pic]) =0.8 ×0.6/0.56=0.86 π([pic]|[pic])=p([pic]|[pic])π([pic])[pic]m([pic]) =0.2 ×0.6/0.44=0.27 π([pic]|[pic])=0.14 π([pic]|[pic])=0.73 1. 正规型分析 ①策略[pic]: [pic]= [pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=[pic][pic]l ([pic],[pic]([pic]))p([pic]|[pic])π([pic]) 4-7 = l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) =0.62×0.8×0.6+1.0 ×0.2×0.6+0.19 ×0.2×0.4+0.0× 0.8×0.4 =0.4328 ②策略[pic]: [pic]=[pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=[pic][pic]l ([pic],[pic] ([pic]))p([pic]|[pic])π([pic]) = l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) = 0.62×0.2×0.6+1.0×0.8×0.6+0.19×0.8× 0.4+0.0×0.8× 0.4 =0.6152 ③策略[pic]: [pic]= [pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=0.45 ④策略[pic]: [pic]=[pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=0.6 ∵r(π, [pic]) <r(π, [pic]) <r(π, [pic]) <r(π, [pic]) ∴ [pic]([pic]([pic]([pic] [pic]是贝叶斯行动。 [pic] 4-82.扩展型之一:据(2’) : [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ 记作r’ ①给定[pic](预报干旱): 采用[pic] r‘=[pic]l ([pic],[pic])p([pic]|[pic])π([pic]) = l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic]) = 0.62×0.8×0.6+0.19...
第四章 贝叶斯分析_
第四章 贝叶斯分析 Bayesean 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): | |[pi|… |[pi|… |[pic| | |c] | |c] | |] | |π([pic|[pi| |[pi| |[pic| |]) |c] | |c] | |][pi| | | | | | |c] | |… | | | | | | |π([pic|[pi| |[pi| | | |]) |c] | |c] | | | |… | | | | | | |π([pic|[pi| | | |[pic| |]) |c] | | | |] | 或 | |π([pic]|… |π([pic]|… |π([pic]| | |) | |) | |) | |[pic] |[pic] | |[pic] | |[pic] | |… | | | | | | |[pic] | | |[pic] | | | |… | | | | | | |[pic] |[pic] | | | |[pic] | 损失矩阵直观、运算方便 二、决策原则 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芙他决 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: [pic]≤[pic] (I, 且至少对某个i严格不等式成立, 则称行动[pic]按状态优于[pic] §4.1 不确定型决策问题 一、极小化极大(wald)原则(法则、准则) [pic][pic] [pic] [pic][pic] l ([pic] , [pic]) 或 [pic] [pic][pic] 例: | |[pic] |[pic] |[pic] |[pic] | |[pic] |10 |8 |7 |9 | |[pic] |4 |1 |9 |2 | |[pic] |13 |16 |12 |14 | |[pic] |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[pic]. 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、极小化极小 [pic][pic] l ([pic] , [pic]) 或 [pic] [pic] [pic] 例: | |[pic] |[pic] |[pic] |[pic] | |[pic] |10 |8 |7 |9 | |[pic] |4 |1 |9 |2 | |[pic] |13 |16 |12 |14 | |[pic] |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[pic]. 采用该原则者极端冒险,是乐观主义者,认为总能撞大运。 三、Hurwitz准则 上两法的折衷,取乐观系数入 [pic][λ[pic] l ([pic] , [pic])+(1-λ〕[pic] l ([pic] , [pic])] 例如 λ=0.5时 λ[pic][pic] : 2 0.5 3.5 1 (1-λ〕[pic][pic]: 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[pic] 四、等概率准则(Laplace) 用 [pic][pic] 来评价行动 [pic]的优劣 选[pic][pic][pic] 上例: [pic][pic] : 33 34 36 35 其中行动 [pic] 的损失最小 五、后梅值极小化极大准则(svage-Niehans) 定义后梅值 [pic]=[pic]-[pic][pic] 其中[pic][pic]为自然状态为[pic] 时采取不同行动时的最小损失. 构成后梅值(机会成本)矩阵 S={[pic]}[pic] ,使后梅值极小化极大,即: [pic][pic] 例:损失矩阵同上, 后梅值矩阵为: 3 1 0 2 3 0 8 1 1 4 0 2 0 3 2 4 各种行动的最大后梅值为: 3 4 8 4 其中行动a1 的最大后梅值最小,所以按后梅值极小化极大准则应采取行动1. 六、Krelle准则: 使损失是效用的负数(后果的效用化),再用等概率(Laplace)准则. 七、莫尔诺(Molnor)对理想决策准则的要求 (1954) 1.能把方案或行动排居完全序; 2.优劣次序与行动及状态的编号无关; 3.若行动 [pic]按状态优于[pic],则应有 [pic]优于[pic] ; 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原则 一、最大可能值准则 令 π([pic])=maxπ([pic]) 选 [pic]使 l([pic],[pic])=[pic]l([pic],[pic]) 例: | |π([pic]|[pic] |[pic] |[pic] | | |) | | | | |[pic] |0.2 |7 |6.5 |6 | |[pic] |0.5 |3 |4 |5 | |[pic] |0.3 |4 |1 |0 | π([pic]) 概率最大, 各行动损失为 3 4 5 ∴应选行动[pic] 二、贝叶斯原则 使期望损失极小: [pic]{ [pic]l([pic] , [pic]) π([pic]) } 上例中,各行动的期望损失分别为 4.1 3.6 3.7, 对应于[pic]的期望损失3.6最小 ∴应选[pic]. 三、贝努利原则 损失函数取后果效用的负值,再用Bayes原则求最优行动. 四、E—V(均值—方差)准则 若 [pic][pic] ≤[pic][pic] 且 [pic] 则[pic]优于[pic] 通常不存在这样的[pic] 上例中: |[pic] |[pic] |[pic] | E 4.1 3.6 3.7 V([pic]) 2.29 3.79 5.967 不存在符合E—V准则的行动, 这时可采用f(μ,σ)的值来判断(μ为效益型后果的期望) ( μ-ασ f( μ,σ)=( μ-ασ[pic] ( μ-α(μ[pic]+σ[pic]) f越大越优. 五、不完全信息情况下的决策原则(Hodges-Lehmann原则) 状态概率分布不可靠时, 可采用: φ([pic])=λ[pic] + [pic][pic] i=1,2,… ,m j=1,2,…,n φ越大越优. §4.3贝叶斯定理 一、条件概率 1.A、B为随机试验E中的两个事件 P(A|B)=P(AB)/P(B) 由全概率公式: [pic] j=1,2,…,n 是样本空间的一个划分, P(B)=[pic]P(B|[pic])P([pic]) 得Bayes公式 P([pic]|B)=P(B|[pic])·P([pic])/P(B) = P(B|[pic])·P([pic])/[pic]P(B|[pic])P([pic]) 2. 对Θ,Χ两个随机变量 ·条件概率密度 f(θ| x)=f(x |θ)f(θ)/f(x) ·在主观概率论中 π(θ| x)=f(x |θ)π(θ)/m(x) 其中:π(θ)是θ的先验概率密度函数 f(x|θ)是θ出现时,x的条件概率密度,又称似然函数. m(x)是x的边缘密度, 或称预测密度. m(x)=[pic] f(x |θ)π(θ) dθ 或 [pic]p(x|[pic])π([pic]) π(θ|x)是观察值为x的后验概率密度。 例:A 坛中白球30%黑球70% B 坛中白球70%黑球30% 两坛外形相同,从中任取一坛,作放回摸球12次,其中白球4次,黑球8次,求所取为A坛 的概率. 解:设观察值4白8黑事件为x,记取A坛为 [pic], 取B坛为[pic] 在未作观察时,先验概率p([pic])=p([pic])=0.5 则在作观察后,后验概率 P([pic]|x)=p(x|[pic])p([pic])[pic]p(x|[pic])p([pic])+p(x|[pic])p([pic]) =[pic]×[pic]×0.5[pic]([pic]×[pic]×0.5+[pic]×[pic]×0.5) =[pic][pic]([pic]×[pic]) =0.2401[pic]0.2482 =0.967 显然, 通过试验、观察、可修正先验分布. §4.4 贝叶斯分析的正规型与扩展型 一、正规型分析 由Baysean原则:先验分布为π(θ)时,最优的决策规则δ是贝叶斯规则[pic],使贝叶斯风 险 r(π, [pic])=[pic] r(π,δ(x)) 其中:r(π,δ(x))= [pic]R(θ,δ(x)) =[pic][[pic] l(θ,δ(x)) = [pic][pic] l(θ,δ(x)) f(x |θ)dxπ(θ) dθ (1) 据(1)式,选[pic]使r(π,δ)达到极小,这就是正规型的贝叶斯分析。 在解实际问题时,求使(1)式极小的δ(x)往往十分困难,尤其在状态和观察值比较复杂时 ,Δ集中的策略数目很大,穷举所有的δ(x)有困难,且计算量颇大。实际上可用下法: 二、扩展型贝叶斯分析(Extensive Form Analysis) 在(1)式中因l(θ,δ)>-∞,f(x|θ),π(θ)均为有限值。 ∴由Fubini定理,积分次序可换 即r(π,δ(x))= [pic][pic] l(θ,δ(x)) f(x |θ)dxπ(θ) dθ =[pic][pic] l(θ,δ(x)) f(x |θ)π(θ) dθdx (2) 显然,要使(2)式达到极小,应当对每个x∈X,选择δ, 使 [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ (2’)为极小 ∵δ(x)=a ∴若对给定的x,选a,使 [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ 为极小 亦即, 使 [pic][pic]l(θ,a) f(x |θ)π(θ) dθ =[pic]l([pic],a) π([pic]|x) dθ 或 [pic]l([pic],a)p([pic]|x) (3) 达极小,即可使(1)式为极小. ·结论: 对每个x,选择行动a,使之对给定x时θ的后验分布π(θ|x)的期望损失为极小,即可求得 贝叶斯规则。 这种方法叫贝叶斯分析的扩展型,由此确定的贝叶斯规则叫formal Bayesean Rule ——Raiffa Sehlaifer,1961年提出。 ·Note ·使(3)式达极小的行动可能不只一个,即可能有多个贝叶斯规则; ·扩展型比正规型更直观,也容易计算,故更常用; ·许多分析人员只承认扩型,理由是: i,π(θ|x)描述了试验后的θ的分布,比π(θ)更客观,因此,只要损失函数是由效用理论 导出的(即考虑了DMer的价值判断、风险偏好),在评价行动a的优劣时就应当用后验期望 损失。 ii, r(π,δ)是根据π(θ)求出的,而用先验分布π(θ)来确定行动a并不一定适当。 从根本上讲,这种观点是正确的。 ·无论从何种观点来进行贝叶斯分析,从理论上讲,结果是一样的,所以采用何种方法可 视具体问题,据计算方便而定。 ·已经证明,形式贝叶斯分析对一类非随机性决策规则是成立的,也可以证明它对随机性 决策规则同样成立。使所有x上后验期望损失极小的贝叶斯规则也是随机性规则集Δ*中的 Bayes规则,因此,总可以找到一验期望损失极小的非随机性规则。 三、例(先看无观察问题) 农民选择作物问题,设某地旱年[pic]占60%,正常年景[pic]占40%; [pic] 种植耐旱作物 [pic]种不耐旱作物,后果矩阵为: [pic] [pic] [pic] 20 0 [pic] 60 100 决策人的效用函数 u(y)=[pic](1-[pic]) 解:i令:l(y)=1-u(y) [pic] ii,作决策树: [pic] iii, 在无观察时, R=l, r= [pic]l([pic],a)π([pic]) r(π, [pic])=l([pic],[pic])π([pic])+l([pic],[pic])π([pic]) =0.62 ×0.6+0.19 ×0.4 =0.448 r(π, [pic])= l([pic],[pic])π([pic])+l([pic],[pic])π([pic]) =1.0 ×0.6+0 ×0.4 =0.6 风险r小者优, ∴δ=[pic],是贝叶斯规则, 即贝叶斯行动.即应选择耐旱作物。 四、例(续上) 设气象预报的准确性是0.8,即p([pic]|[pic])=0.8 p([pic]|[pic])=0.8 其中,[pic]预报干旱 [pic]预报正常年景 则 m([pic])=p([pic]|[pic])π([pic])+p([pic]|[pic])π([pic]) =0.8 ×0.6+0.2 ×0.4=0.56 m([pic])=0.44 π([pic]|[pic])=p([pic]|[pic])π([pic])[pic]m([pic]) =0.8 ×0.6/0.56=0.86 π([pic]|[pic])=p([pic]|[pic])π([pic])[pic]m([pic]) =0.2 ×0.6/0.44=0.27 π([pic]|[pic])=0.14 π([pic]|[pic])=0.73 1. 正规型分析 ①策略[pic]: [pic]= [pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=[pic][pic]l ([pic],[pic]([pic]))p([pic]|[pic])π([pic]) 4-7 = l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) =0.62×0.8×0.6+1.0 ×0.2×0.6+0.19 ×0.2×0.4+0.0× 0.8×0.4 =0.4328 ②策略[pic]: [pic]=[pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=[pic][pic]l ([pic],[pic] ([pic]))p([pic]|[pic])π([pic]) = l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic])+l ([pic],[pic])p([pic]|[pic])π([pic]) = 0.62×0.2×0.6+1.0×0.8×0.6+0.19×0.8× 0.4+0.0×0.8× 0.4 =0.6152 ③策略[pic]: [pic]= [pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=0.45 ④策略[pic]: [pic]=[pic]([pic]) [pic]=[pic]([pic]) r(π, [pic])=0.6 ∵r(π, [pic]) <r(π, [pic]) <r(π, [pic]) <r(π, [pic]) ∴ [pic]([pic]([pic]([pic] [pic]是贝叶斯行动。 [pic] 4-82.扩展型之一:据(2’) : [pic]l(θ,δ(x)) f(x |θ)π(θ) dθ 记作r’ ①给定[pic](预报干旱): 采用[pic] r‘=[pic]l ([pic],[pic])p([pic]|[pic])π([pic]) = l ([pic],[pic])p([pic]|[pic])π([pic]) + l ([pic],[pic])p([pic]|[pic])π([pic]) = 0.62×0.8×0.6+0.19...
第四章 贝叶斯分析_
[下载声明]
1.本站的所有资料均为资料作者提供和网友推荐收集整理而来,仅供学习和研究交流使用。如有侵犯到您版权的,请来电指出,本站将立即改正。电话:010-82593357。
2、访问管理资源网的用户必须明白,本站对提供下载的学习资料等不拥有任何权利,版权归该下载资源的合法拥有者所有。
3、本站保证站内提供的所有可下载资源都是按“原样”提供,本站未做过任何改动;但本网站不保证本站提供的下载资源的准确性、安全性和完整性;同时本网站也不承担用户因使用这些下载资源对自己和他人造成任何形式的损失或伤害。
4、未经本网站的明确许可,任何人不得大量链接本站下载资源;不得复制或仿造本网站。本网站对其自行开发的或和他人共同开发的所有内容、技术手段和服务拥有全部知识产权,任何人不得侵害或破坏,也不得擅自使用。
我要上传资料,请点我!
管理工具分类
ISO认证 课程讲义 管理表格 合同大全 法规条例 营销资料 方案报告 说明标准 管理战略 商业计划书 市场分析 战略经营 策划方案 培训讲义 企业上市 采购物流 电子商务 质量管理 企业名录 生产管理 金融知识 电子书 客户管理 企业文化 报告论文 项目管理 财务资料 固定资产 人力资源 管理制度 工作分析 绩效考核资料 面试招聘 人才测评 岗位管理 职业规划 KPI绩效指标 劳资关系 薪酬激励 人力资源案例 人事表格 考勤管理 人事制度 薪资表格 薪资制度 招聘面试表格 岗位分析 员工管理 薪酬管理 绩效管理 入职指引 薪酬设计 绩效管理 绩效管理培训 绩效管理方案 平衡计分卡 绩效评估 绩效考核表格 人力资源规划 安全管理制度 经营管理制度 组织机构管理 办公总务管理 财务管理制度 质量管理制度 会计管理制度 代理连锁制度 销售管理制度 仓库管理制度 CI管理制度 广告策划制度 工程管理制度 采购管理制度 生产管理制度 进出口制度 考勤管理制度 人事管理制度 员工福利制度 咨询诊断制度 信息管理制度 员工培训制度 办公室制度 人力资源管理 企业培训 绩效考核 其它
精品推荐
- 1C语言难点及分析 413
- 2暗促-酒店玫瑰静悄悄地开 712
- 3终端陈列十五大原则 774
- 4****主营业务发展战略设计 684
- 5中小企业物流发展的对策 767
- 6主顾开拓 814
- 7主动推进的客户服务 626
- 8专业媒体策划与购买 683
- 9中远电视广告CF 800
下载排行
- 1社会保障基础知识(ppt) 16695
- 2安全生产事故案例分析(ppt 16695
- 3行政专员岗位职责 16695
- 4品管部岗位职责与任职要求 16695
- 5员工守则 16695
- 6软件验收报告 16695
- 7问卷调查表(范例) 16695
- 8工资发放明细表 16695
- 9文件签收单 16695


