Perbandingan antara penaksir Bayes

9
  1. Pertimbangkan kerugian kuadratik , dengan diberikan sebelumnya mana . Misalkan kemungkinan. Temukan estimator Bayes .L(θ,δ)=(θδ)2π(θ)π(θ)U(0,1/2)f(x|θ)=θxθ1I[0,1](x),θ>0δπ

  2. Pertimbangkan kehilangan kuadratik tertimbang mana dengan prior . Biarkan menjadi kemungkinannya. Temukan estimator Bayes .Lw(θ,δ)=w(θ)(θδ)2w(θ)=I(,1/2)π1(θ)=I[0,1](θ)f(x|θ)=θxθ1I[0,1](x),θ>0δ1π

  3. Bandingkan danδπδ1π

Pertama saya perhatikan bahwa , dan saya berasumsi bahwa itu adalah kemungkinannya, kalau tidak saya tidak mendapatkan posterior, maka sehingga estimator Bayes sehubungan dengan kerugian kuadratik adalah f(x|θ)Beta(θ,1)

π(θ|x)f(x|θ)π(θ)=θxθ1I[0,1]2I(0,1/2)(θ)Beta(θ,1)
E[π(θ|x)]=θθ+1

Saya mencari di buku The Bayesian Choice dan ada teorema tentang estimator Bayes yang terkait dengan kerugian kuadratik tertimbang dan diberikan oleh

δπ(x)=Eπ[w(θ)θ|x]Eπ[w(θ)|x]

Bisakah seseorang menjelaskan kepada saya bagaimana saya menghitungnya?

Apa yang saya coba adalah:

δπ(x)=θw(θ)f(x|θ)π(θ)dθw(θ)f(x|θ)π(θ)dθf(x|θ)π(θ)dθw(θ)f(xθ)π(θ)dθ

Saya tahu bahwa dukungannya adalah , tetapi ketika saya mencoba mengintegrasikannya dalam pembilang[0,12]

θw(θ)f(x|θ)π(θ)dθ=012θθxθ1dθ=1x012θ2xθdθ

Saya tidak mendapatkan hasil yang baik.

Xi'an
sumber
1
Bukankah tidak asli di sini? w(θ)
Juho Kokkala
3
Saya tidak mengerti komentar Anda tentang "hanya untuk tidak negatif," karena (1) fungsi kerugian tidak akan pernah menjadi negatif dan (2) fungsi kerugian Anda tidak bisa negatif pula. w(θ)
Whuber
@whuber Astaga, sekarang saya menyadari kebodohan saya, saya melihat dukungan indikator

Jawaban:

7

Pertama, perhatikan bahwa saya mengoreksi kata-kata asli dari pertanyaan dengan fungsi indikator dalam definisi kemungkinan Anda karena mereka harus fungsi bukan . Karena itu kemungkinannya adalah yang jelas berintegrasi menjadi satu:xθ

f(x)=θxθ1I[0,1](x)
01θxθ1dx=1

Kedua, posterior di bukan fungsi Beta karena seperti yang ditunjukkan oleh Greenparker Karena kendala pada nilai-nilai itu bukan distribusi Gamma juga, tetapi pemotongan dari distribusi Gamma.θ

π(θ|x)I[0,1/2](θ)θxθ1I[0,1/2](θ)θexp{log(x)θ}
θ

Karenanya estimator Bayes adalah ekspektasi posterior yang tampaknya membutuhkan penggunaan fungsi Gamma yang tidak lengkap tetapi yang dapat diturunkan dalam bentuk tertutup dengan integrasi oleh bagian: since

E[θ|x]=01/2θ×θexp{log(x)θ}dθ/01/2θexp{log(x)θ}dθ=01/2θ2exp{log(x)θ}dθ/01/2θexp{log(x)θ}dθ
01/2θkexp{αθ}dθ=1α[θkexp{αθ}]01/2+kα01/2θk1exp{αθ}dθ
01/2exp{αθ}dθ=1exp{α/2}α

Terakhir, seperti yang ditunjukkan dalam buku saya , memang, meminimalkan dalam sama dengan meminimalkan dalam yang itu sendiri sama dengan meminimalkan dalam yang berarti mengganti prior asli dengan sebelumnya yang baru yang perlu dinormalisasi menjadi kepadatan, yaitu, δ

w(θ)(θδ)2π(θ|x)dθ
δ
w(θ)(θδ)2π(θ)f(x|θ)dθ
δ
(θδ)2w(θ)π(θ)f(x|θ)dθ
πw(θ)π(θ)
π1(θ)=w(θ)π(θ)/w(θ)π(θ)dθ
Xi'an
sumber
6

Jawaban Anda untuk bagian kehilangan kesalahan kuadrat salah.

π(θ|x)f(x|θ)π(θ)=2θxθ1I(0,1/2)(θ).

Ini adalah distribusi dalam , bukan dalam , dan variabel acak di posterior adalah . Jadi jawaban Anda salah, dan jawaban yang benar akan menjadi posterior mean dari distribusi itu.Beta(θ,1)xθθ

Untuk bagian kedua,

(Sebelum untuk fungsi penurunan tertimbang adalah tetapi Anda menyebutnya sebagai . Saya mengalihkan notasi kembali ke .)π1ππ1

Biarkan , di mana adalah konstanta normalisasi. Anda harus menghitungπ(θ)=cw(θ)π1(θ)c

δπ1(x)=Eπ1[w(θ)θ|x]Eπ1[w(θ|x)]=w(θ)θf(x|θ)π1(θ)dθw(θ)f(x|θ)π1(θ)dθ=θf(x|θ)π(θ)dθf(x|θ)π(θ)dθ=Eπ[θ|x]

Jadi, untuk fungsi kerugian kuadrat terkecil tertimbang, teorema mengatakan bahwa estimasi Bayes adalah rata-rata posterior sehubungan dengan sebelumnya yang berbeda. Yang sebelumnya adalah

π(θ)w(θ)π1(θ).

Konstanta normalisasi adalah .θw(θ)π(θ)dθ=Eπ1[w(θ)]

Eπ1[w(θ)]=01/2I0,1(θ)d(θ)=12.

Jadi yang sebelumnya adalah . Ini sama dengan yang Anda miliki pada pertanyaan pertama.π(θ)=2I(0,1/2)(θ)

Dengan demikian jawaban untuk skenario (apa pun itu) akan sama. Anda dapat menemukan integral di sini . Meskipun, itu mungkin cukup untuk memperbaiki bentuk jawaban, dan tidak menyelesaikan integral.

Greenparker
sumber