پرش به محتوای اصلی
رامین خاورزاده فهم امروز، پیش‌بینی فردا با داده و هوش مصنوعی
رامین خاورزاده · · 6 دقیقه مطالعه

برآوردگر بیزی

برآوردگر بیزی

برآوردگر بیزی
فهرست مطالب

    برآوردگر بیزی با توجه به اینکه در آمار بیزی \theta متغیری تصادفی است، بنابراین تابع مخاطره R(\theta ,\delta ) نیز یک متغیر تصادفی و تابعی از \theta است. امید ریاضی R(\theta ,\delta ) را نسبت به چگالی پیشین \pi (\theta ) مخاطره بیزی می نامند که به صورت زیر به دست می آید: r(\pi ,\delta ) = E[R(\theta ,\delta )] = \int\limits_{{\Theta ^*}} {R(\theta ,\delta )} \pi (\theta )d\theta برآوردگر بیزی نسبت به توزیع پیشین \pi (\theta ) و تحت تابع زیان L(\theta ,\delta (X)) ، آن برآوردگری است که مخاطره بیزی را در بین تمام برآوردگرها می نیمم کند. یعنی برآوردگر بیزی آن برآوردگری است که در رابطۀ زیر صدق کند: r(\pi ,{\delta ^\pi }) = {\inf _{\delta \in D}}r(\pi ,\delta ) که در آن D کلاس کلیه برآوردگرها است. قضیه: فرض کنید \theta دارای توزیع پیشین \pi (\theta ) و بردار X دارای توزیعی از خانواده F = \left\{ {f(x|\theta )|\theta \in {\Theta ^*}} \right\}  باشد. فرض کنید در مسئله برآوردیابی تحت تابع زیان غیرمنفی L(\theta ,\delta (X)) شرایط زیر برقرار باشد. الف) یک برآوردگر \delta (X) با تابع مخاطره متناهی موجود باشد. ب) برای هر x برآورد {\delta ^\pi }(x)  موجود باشد که مخاطره پسین  r(\pi ,\delta ) = \int\limits_{{\Theta ^*}} {R(\theta ,\delta )} \pi (\theta |x)d\theta   را می نیمم کند، یعنی r(\pi ,{\delta ^\pi }) = {\inf _{\delta \in D}}r(\pi ,\delta ) در این صورت  {\delta ^\pi }(x) یک برآوردگر بیزی است. می توان نشان داد که اگر تابع زیان توان دوم خطا، یعنی  L(\theta ,\delta (X)) = {(\delta (X) - \theta )^2} باشد، آنگاه برآوردگرِ بیزی \theta به فرم  {\delta ^\pi }(x) = E[\theta |X] است. تذکر : باید توجه داشت که حتی اگر توزیع پیشین ناسره باشد، ممکن است توزیع پسین سره و یا مخاطره پسین براساس این توزیع متناهی باشد و براساس قضیه بالا برآوردگر بیزی قابل محاسبه باشد. در این حالت برآوردگرِ بیزی حاصله، برآوردگرِ بیزی تعمیم یافته نامیده می شود.  

    اشتراک‌گذاری:

    نظرات

    هنوز نظری ثبت نشده است؛ اولین نفر باشید.

    ارسال دیدگاه