不确定型决策问题与风险型决策问题

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

对无观看(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，要依照某种原则来选择决策规则δ，使结果最优(或中意)，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往常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可能.

2.风险型

自然状态不确定,但各种状态的概率能够可能.

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、微小化极大(wald)原则(法则、准则) a

1a

2

a

4

min

j max

i

l (

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

.

采纳该原则者极端保守, 是悲观主义者, 认为老天总跟自己作对.

二、微小化微小

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

.

采纳该原则者极端冒险，是乐观主义者，认为总能撞大运。

三、Hurwitz准则

3 / 24

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、后梅值微小化极大准则(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

⨯

,使后梅值微小化极大,

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,因此按后梅值微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：差不多考虑过的若干行动的优劣不因增加新的行动而改变；

5 / 24

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

使期望损失微小：

min

j {

i

∑l(θi , a j) π(θi) }

上例中,各行动的期望损失分不为 4.1 3.6 3.7, 对应于a

2

的期望损失3.6最小