由贝叶斯估计量定理得知,损失函数为 时,则 的贝叶斯估计量为
其中条件 为 为连续随机变量且具有密度函数 ,条件 为 为离散随机变量且取值
一致最小风险估计量和最大风险最小化估计量有什么区别?
一致最小风险估计量要求决策函数对于所有 达到一致最小,这种一致性存在需要条件
最大风险最小化估计量要求决策函数对于平均损失达到最大 的损失达到最小,局部的极小不能保证全局对所有 的最小, 所以不能保证一致性,但一致性能保证最大风险最小
求核的作用在于确定后验分布,从而求后验分布的条件期望,得到贝叶斯估计量
即只要知道后验分布的核,即可知道后验分布的密度/分布函数
连续型随机变量所服从的分布,其密度函数为 ,其中 为正的常数,实数域上的gamma函数定义为
贝叶斯估计中,将未知参数不视为定值,而是有自身分布的随机变量;采用决策函数来估计未知参数或者描述某项决策的价值,而决策函数得选择标准是用损失函数和风险函数来描述的
对于决策函数 ,称 为其风险函数。它是损失函数在参数为 时的期望,代表了使用决策函数 估计 的平均损失。
设 是由决策函数为元素组成的集合,如果有 ,使得 ,则称 为 的一致最小风险估计量。如果进一步要求 ,则是一致最小风险估计量就是一致最小方差无偏估计量。
设 是由决策函数为元素组成的集合,如果 使得对于任意 ,有 ,即 ,则称 为 的最大风险最小化估计量
1)对于 , 在 中达到最小几乎处处等价于 在 中达到最小
设总体 的分布函数为 为 的样本, 是 的贝叶斯估计量, 的先验分布函数为 ,如果风险函数 在 上为常数,则贝叶斯估计量 也是 的最大风险最小化估计量
由于 的任意性得到 ,即贝叶斯估计量也是最大风险最小化估计量