主观概率和先验分布
- 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)。
第二章主观概率和先验分布
Subjective Probability and Prior Distribution 本章要紧参考文献:60,52,上帝如何样掷骰子
§2-1 差不多概念
一、概率(probability)
1. 频率
fn(A)==Na/N
fn(A) …古典概率的定义 P (A)==lim
n
2. Laplace在《概率的理论分析》(1812)中的定义
P(A)==k/N
式中,k为A所含差不多事件数,
N为差不多事件总数
适用条件 1.差不多事件有限
2.每个差不多事件等可能
3.公理化定义
E是随机试验,S是E的样本空间,对E的每一事件A,对应有确定实数P(A),若满足:
①非负性:0≤P(A)≤1
②规范性: P(S)=1
③可列可加性:对两两不相容事件Ak (k=1,2…) (Ai∩ Aj=φ)
P(∪Ak)=∑P(Ak)
则称P(A)为事件A发生的概率
二、主观概率(subjective probability, likelihood)
1. 什么缘故引入主观概率
。有的自然状态无法重复试验
如:改日是否下雨
新产品销路如何
明年国民经济增长率如何
能否考上博士生
。试验费用过于昂贵、代价过大
例:洲导弹命中率
战争中对敌方下一步行动的可能
2.主观概率定义:合理的信念的测度
某人对特定事件会发生的可能的度量。
即他相信(认为)事件将会发生的可能性大小的程度。
这种相信的程度是一种信念,是主观的,但又是依照经验、各方而后知识,对
客观情况的了解进行分析、推理、综合推断而设定(Assignment)的,与主观臆测不同。
例:考博士生、掷硬币、抛图钉
三、概率的数学定义
对非空集Ω,元素ω,即Ω={ω},F是Ω的子集A所构成的σ-域(即Ω∈F;
若A∈F则A∈F;
若Ai∈F i=1,2,…则∪Ai∈F)
若P(A)是定在F上的实值集函数,它满足
①非负性 P(A)≥0
②规范性 P(Ω)=1
③可列可加性
则称P(A)为直的(主以或客观)概率测度,简称概率
ω为差不多事件
A为事件
三元总体(Ω,F,P)称为概率空间
注意:主观概率和客观概率(objective probability)有相同的定义
四、主客观概率的比较
(一) 差不多属性:
O:系统的固有的客观性质,在相同条件下重复试验时频经的极限
S:概率是观看者而非系统的性质,是观看者对对系统处于某状态的信任程度
(二)抛硬币:正面向上概率为1/2
O:只要硬币均匀,抛法类似,次数足够多,正面向上的概率确实是1/2,这是简单的
定义。
S:这确是定义,DMer认为硬币是均匀的,正、反面出现的可能性(似然率)相同,1
/2是个主观的量。
(三)下次抛硬币出现正面的概率是1/2
O:这种讲法不对,不重复试验就谈不上概率
S:对DMer来讲,下次出现正、反是等可能的。然而他不是讲硬币本身是公正的,它可能会有偏差,就他现有知识而言,没有理由预言一面出现的可能会大于另一面,但多次抛掷的观看结果能够改变他的信念。
O、S:下次抛硬币出现正面依旧反面不能确定,但明白:要么是正面,要么是反面。
§2-2 先验分布(Prior distribution)及其设定
在决策分析中,尚未通过试验收集状态信息时所具有的信息叫先验信息,由先验信息所确定的概率分布叫先验分布。
设定先验分布是Bayesean分析的需要.
一、设定先验分布时的几点假设
1.连通性(Connectivity),又称可比性
即事件A和B发生的似然性likelihood是能够比较的:
A>L B或A L B或B>L A 必有一种也仅有一种
成立.
** A>L B读作 A 发生的似然性大于B 发生的似然性,
A L
B 读作 A 发生的似然性与B 发生的似然性相当。
2.传递性(Transitivity)
若对事件A,B,C , A >L B, B >L C 则A >L C
3. 部分小于全体:若A B则B L A
例:设定明年国民经济增长率时:
①A:8~11% B:12~15% C:15~20%
若 A >L B, B >L C ,则 A >L C
② A:8~11% D:8~10% 必有D >L A
二、离散型随机变量先验分布的设定
1.对各事件加以比较确定相对似然率
例1. 考博士生 E:考取 E:考不取
若P(E)=2P(E) 则P(E)=2/3 P(E)=1/3
例2。某地气候状况:正常年景θ1,旱θ2,涝θ3
正常与灾年之比:3∶2 则P(θ1)=0.6
水旱灾之比1∶1 P(θ2)=P(θ3)=0.2
该法适用于状态数较少的场合
2.打赌法
设事件E发生时收入P,(0 <P <1)且 E\c=(1—P)
调整P,使决策人感到两者无差异为止, 则:P(E)=P
三、连续型RV的先验分布的设定
1.直方图法
·该法适用于θ取值是实轴的的某个区间的情况
·步骤:①,将区间划分子区间θi…离散化
②设定每个子区间的似然率π(θi)…赋值