double arrow

Использованием апостериорных вероятностей


Определение байесовских решений с

Если в результате проведения единичного эксперимента произошел конкретный исход , то, по-видимому, для этого исхода и следует решать задачу по выбору решения. Это можно проделать, посчитав апостериорные вероятности состояния природы z при исходе y: .

При этом известно, что Z — множество состояний природы, X — возможные решения. Такая задача отличается от задачи без эксперимента тем, что вместо апостериорных вероятностей природы используются априорные вероятности, то есть .

Используя аналогию этой задачи можно определить средние значения потерь статистика:

.

Байесовский принцип выбора стратегий сводится к тому, чтобы выбрать такое , при котором .

Рассмотрим байесовский принцип на примере двуальтернативной задачи:

Двуальтернативная задача

Пусть .

Будем считать, что при правильном выборе решения , потери статистика отсутствуют (или равны 0).

Тогда ошибка первого рода дает потери 1, а ошибка второго рода дает потери .

Данная задача описывается матрицей потерь:

z
w

Рассмотрим решающую функцию x=d(y), которая делит пространство Y — множество исходов эксперимента на 2 подмножества: S и C(S): , где C(S) — дополнение S до Y.

Если , то принимается решение ;

Если , то принимается решение .

Так как множества S и C(S) должна быть компактными, необходимо найти границу этого подмножества. Обозначим через — элементы, принадлежащие этой границе. Очевидно, что если множество исходов эксперимента можно описать в виде прямой, то — это точка на этой прямой. На плоскости — это линия.

Для нахождения уравнения, определяющего границу , рассмотрим выражение для средних потерь. Учитывая данные, приведенные в таблице, потери будут определяться:

.

В общем случае потери

.

Граница соответствует одинаковым потерям при решении и . Для рассматриваемой задачи уравнение, определяющее границу, определяется как:

.

Отношение правдоподобия в этом случае:

.

Из этого условия следует, что каждому значению q будет соответствовать своя граница и соответственно области S и C(S). Аналогично вероятности ошибочных решений и будут определяться априорной вероятностью q. — вероятность ошибки первого рода; - вероятность ошибки второго рода. Эти вероятности показывают вероятность того, что при , а при

Тогда более развернуто:

Для определения характера зависимости вероятностей ошибочных решений от q, сначала оцениваются крайние значения q=0 и q=1. Если , то принимается решение , которое предполагает, что потери . Выражая эти потери, можно получить, что

Предположим, что q=0. Это предполагает, что отношение .

Это может быть только в том случае, если: , C(S)=Y. Если посчитать значения коэффициентов =1, С(S)=Y.

В другом крайнем состоянии q=1, получаем:

. Это может быть, когда .

Это условие определяет, что множество исходов эксперимента Y=S, C(S)=Таким образом, вероятности ошибок при изменении .

Определим средние потери при любом значении как байесовские риски:

Если рассмотреть график зависимости , то он будет иметь вид вогнутой кривой:

На практике встречаются случаи, когда значение q неизвестно, а известна его оценка . Возникает вопрос: «Как поступить?».

При приближенной оценке получим :

Если — грубая оценка, то потери могут стать больше максимальных потерь при , то есть

При значимом отличие q от , потери невыгодны и в этом случае удобнее исходить из наиболее неблагоприятного . Ориентированные на потери можно рассматривать как минимаксные потери, стратегию как минимаксную стратегию. Применение байесовских принципов оправдано, когда q хорошая оценка , а при плохих оценках используется минимаксный принцип выбора стратегий.


Сейчас читают про: