
贝叶斯风险
贝叶斯风险是衡量一个决策法则的好坏的标準。一般来说,多数情况下,对于某一个(或某些)状态θ值,决策法则δ1的风险函式值ρ(θ,δ1)最小;而对于另一个(或另一些)θ值,另一个决策法则δ2的风险函式最小,因此,评价一个决策法则的好坏,只能用在各种不同状态下其风险函式的平均值来衡量。贝叶斯风脸β(δ)就是当决策法则为δ,在状态θ下风险函式的平均值,决策法则一经确定,其贝叶斯风险即为一常数。它反映出利用这一决策法则决策的平均损失。
基本介绍
- 中文名:贝叶斯风险
- 外文名:Bayes Risk
- 所属学科:数学
- 相关概念:决策函式、贝叶斯估计等
定义
风险函式给出了一个判断决策函式优劣的标準,诚然,风险函式越小越好,因此,若存在这样一个决策函式d*,使对任何决策函式d都有


贝叶斯统计是将参数
理解成具有先验分布的随机变数,在这个观点下,风险函式
便是随机变数,如果再把风险函式
对
取一次平均,那幺所得结果就不依赖于参数
而仅依赖于决策函式d了,以此作为衡量决策, 函式优劣的标準应该是合理的。





设参数
是具有先验分布的随机变数,决策函式d的风险函式为
,记





从
的定义知,可以把贝叶斯风险看做是随机损失函式
求两次期望而得到的,当总体X和参数
都是连续性随机变数时,







相关概念
决策空间与决策函式
设总体X的分布函式为
,用样本空间一个点
对未知参数
作的一个估计,亦即作一个决定,在统计决策中称这一决定为决策,并称可能採取的全部决策所成的集合为决策空间,记为




统计决策问题,实质上是对样本空间
的每一个样本点
,在决策空间
上指明一个点与之对应.这样一个对应规则可以看做定义在样本空间
上而取值于决策空间
的一个函式,称这个函式为决策函式,记为
.在不至于引起误解的情形下,也称
为决策函式,这时,表示在得到样本观察值
时,採取决策
.因此
本质上是一个统计。









