- •Раздел II. Использование наблюдений в принятии решений
- •Байесовский и осторожный подходы к построению решающих правил
- •Допустимые решающие правила
- •Геометрическая интерпретация
- •Алгоритм применения байесова решающего правила .
- •Принцип недостаточного основания Бернулли
- •Максимальная неопределенность окружающей среды
- •Точечные оценки Фишберна (Fishburn)
- •Дополнение к точечным оценкам Фишберна
- •Чувствительность байесовских решений
- •Устойчивость байесовских решений
- •Вероятности ошибок
- •Рабочая характеристика решающего правила
- •Байесово решающее правило
- •Формальная постановка задачи
Допустимые решающие правила
Определение. Будем говорить, что решающее правило d’ доминирует решающее правило d’’, если для любого состояния среды X риск, связанный с применением правила d’ не превышает риск d’’, и, кроме того существует некоторое состояние окружающей среды, при котором неравенство становится строгим:
: ,
где .
Определение. Будем говорить, что решающее правило d’ доминирует решающее правило d’’, если для любого состояния среды X доход, связанный с применением правила d’ не меньше дохода d’’, и, кроме того существует некоторое состояние окружающей среды, при котором неравенство становится строгим:
: ,
где .
Определение. Решающее правило будем называть допустимым, если не существует решающее правило, которое бы его доминировало:
допустимо, если .
Пример. На рисунке ниже показаны три решающих функции , , , Решающая функция доминирует решающую функцию: .
Пример. Решающие функции и не следует рассматривать, так как они доминируются функциями и :
и ;
и .
и ;
и .
Рандомизированные решающие правила
Пусть множество состояний природы , множество решающих правил . Таблица рисков имеет вид:
-
4
1
3
1
4
3
Расширим множество решающих правил , введя в рассмотрение рандомизмрованное решающее правило :
.
Тогда ,
; .
На рисунке ниже показано графическое представление рисков для рассматриваемых решающих правил.
Из того, что и следует, что . В этом случае может быть исключено из дальнейшего рассмотрения.
Ниже будет показано, что всегда существует нерандимизированное решающее правило, которое не хуже, чем рандоимзированное.
Далее в множество решающих правил мы будем включать также и все рандомизированные решающие правила такие, что с вероятностью принимается решение , а с вероятностью - решение :
, где .
Тогда риск от решающего правила равен:
.
При рандомизации по решающим правилам :
,
где , , .
Геометрическая интерпретация
Пусть природа может находиться в M состояниях .
Введем в рассмотрение множество :
.
В множество будем включать риски относящиеся ко всем . Множество - выпуклое множество, т. к. так как в него включены образы рандомизированных правил. Любой отрезок, соединяющий некоторые точки из множества (см. рисунок ниже)
и
и ,
описывается как , где , а это есть не что иное, как точки рисков решающих правил, получающихся рандомизаций решающих правил и , т.е . .
Осторожные решающие правила
Линии равного уровня риска вида представляют собой «прямой угол» с равными сторонами (см рисунок ниже).
Точка есть точка касания границы множества линией равного уровня с минимальным значением .
Минимаксное решение может быть не единственным, однако очевидно, что в этом случае не все решающие правила допустимы.
Байесовские решающие правила
Линии равного уровня байесовского (среднего) риска представляют собой прямые вида , идущие с северо-запада на юго-восток.
Для многомерного случая линия равного уровня байесовского риска представляет собой гиперплоскость, которая задается уравнением .
Точка есть точка касания прямой с минимальным значением границы множества .
Ниже приведены примеры байесовских решающих правил.
Пример. Пусть множество состояний природы , множество решающих правил и пусть задана таблица рисков .
-
0
4
2
1
5
4
5
0
1
4
На рисунке ниже показаны решающие правила и соответствующие им риски.
Здесь минимаксное решающее правило есть , обеспечивающее значения минимаксного риска. Байесовское решающее правило определяется значениями вероятностей и :
, .
Рассмотрим (1) для различных значений :
- - это есть вертикальная прямая;
- - это есть горизонтальная прямая;
- и
Подставив значения в уравнение (1) получаем, что равенство справедливо для решающих правил и :
;
;
Таким образом получаем линию .
- и имеем линию равного уровня .
В таблице ниже приведены байесовские решающие правила для различных значений
|
Байесовское решающее правило |
Риск |
|
(единственное) |
|
|
, (любая рандомизация) |
1 |
|
(единственное) |
1 |
|
, (любая рандомизация) |
1 |
|
(единственное) |
|
Единственность, допустимость, решающая функция
Будем рассматривать случай . - вероятности соответствующих состояний природы.
Теорема 1. Если байесовская решающая функция единственная, то она допустима.
Доказательство (от противного)
Пусть существует , такое что и .
Тогда . Если имеет место строгое неравенство (<), тогда - не является байесововским решающим правилом. Если имеет место равенство, тогда - не является единственным решающим правилом. Следовательно, предположение неверно.
Теорема 2. Если - байесовская решающая функция по отношению к распределению , где , то - допустимо. Распределение - не вырождено.
Доказательство (от противного)
Пусть , такое что и ; ; . Тогда и не является байесовым решающим правилом. Следовательно, предположение неверно.
Теорема 3. Если - допустимое решающее правило, то найдется такое распределение , что , то есть будет байесовским решающим правилом по отношению к .
Покажем для
Пусть - допустимая точка. - допустимое решающее правило.
Пусть - множество точек, доминирующих над . Множества и пересекаются только в точке , иначе не будет допустимой точкой. Это означает, что точка лежит на границе : . Поскольку - выпукла, то существует проходящая через точку прямая (гиперплоскость), касательная к . Эта прямая имеет вид , где , , , так как по построению разделяет юго-западную и северо-восточную полуплоскость. Такая прямая существует, поскольку и выпуклы.
Теорема 4. Если минимаксное решение правило единственное, то оно допустимо.
Доказательство(от противного)
Пусть существует , так что и . Но тогда .
Строгое неравенство не может выполняться, иначе не минимаксное решающее правило. Равенство не может выполняться, т.к. будет нарушено условие единственности. Следовательно, предположение неверно, что и требовалось доказать.
Теорема 5. Если - допустимо и , но - минимаксное решающее правило.
Доказательство (от противного)
Пусть существует , такое что . Так как , то . Тогда ,
то есть - не является допустимым. Следовательно, предположение неверно, что и требовалось доказать.
Теорема 6 (Нестрого) Байесовская решающая функция для распределения может быть найдена из условия
, где - апостериорный риск, вычисляемый при условии заданной реализации случайной величины .
для непрерывной случайной величины ;
для непрерывной случайной величины .
Доказательство теоремы приводится в приложении.
Апостериорный риск
Определение. Апостериорным риском от принятия решения при условии того, что известно значение наблюдения z, будем называть математическое ожидание потерь:
= – для непрерывной случайной величины ;
= – для дискретной случайной величины ,
где ;
– апостериорная плотность распределения случайной величины .
В соответствии с формулой Байеса
,
где – априорная плотность распределения .
.
Апостериорная вероятность того, что случайная величина , при условии, что случайная величина равна
.
Байесово решение определяется как
.
Для поиска байесовского решения необходимо минимизировать условный риск: .
По определению , применив формулу Байеса, получаем:
. Таким образом, задача сводится к минимизации следующего выражения:
, , что эквивалентно минимизации апостериорного риска: .