贝叶斯分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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):
或
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:
l ij ≤l
ik
∀I, 且至少对某个i严格不等式成立, 则称行动a
j
按状态优于a
k
§4.1 不确定型决策问题
一、极小化极大(wald)原则(法则、准则) a
1a
2
a
4
min
j max
i
l (θ
i
, a
j
) 或max
j
min
i
u
ij
例:
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a
3
.
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
min
j min
i
l (θ
i
, a
j
) 或max
j
max
i
u
ij
例:
各行动最小损失: 4 1 7 2
其中损失最小的是行动a
2
.
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
min
j [λmin
i
l (θ
i
, a
j
)+(1-λ〕max
i
l (θ
i
, a
j
)]
例如λ=0.5时
λmin
i l
ij
: 2 0.5 3.5 1
(1-λ〕max
i l
ij
: 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a
4
四、等概率准则(Laplace)
用
i
∑l ij来评价行动a j的优劣
选min
j
i
∑l ij
上例:
i
∑l ij: 33 34 36 35 其中行动a1的损失最小五、后梅值极小化极大准则(svage-Niehans)
定义后梅值s
ij =l
ij
-min
k
l
ik
其中min
k l
ik
为自然状态为θ
i
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={s
ij }
m n
⨯
,使后梅值极小化极大,即:
min max j i s ij
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a
k 按状态优于a
j
,则应有a
k
优于a
j
;
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(θ
k )=maxπ(θ
i
)
选a
r 使l(θ
k
,a
r
)=min
j
l(θ
k
,a
j
)
例:
π(θ
i
) a1a2a3
θ
10.2 7 6.5 6
θ
20.5 3 4 5
θ
30.3 4 1 0
π(θ
2
) 概率最大, 各行动损失为3 4 5
∴应选行动a
1
二、贝叶斯原则
使期望损失极小:
min
j {
i
∑l(θi, a j) π(θi) }
上例中,各行动的期望损失分别为 4.1 3.6 3.7, 对应于a
2
的期望损失3.6最小
∴应选a
2
.
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Eπl
ij ≤Eπl
ik
且σσ
j k
≤则a j优于a k
通常不存在这样的a
j 上例中:
a 1a
2
a
3
E 4.1 3.6 3.7
V(σ2) 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