文档详情

贝叶斯决策分析幻灯片.ppt

发布:2019-04-17约2.67千字共113页下载文档
文本预览下载声明
第四章 贝叶斯决策分析 ; 课程导入; 这就要通过科学试验、调查、统计分析等方法获得较为准确的补充倍息,以修正先验概率,并据以确定各个方案的期望损益值,拟定出可供选择的决策方案,协助决策者作出正确的决策。 一般来说,利用贝叶斯定理求出后验概率,据以进行决策的方法,称为贝叶斯决策方法。 ; 第四章 贝叶斯决策分析;4.1先验分布;4.1.1客观的先验分布 ;4.1.1 客观的先验分布;4.1.2 主观的先验分布 ;4.1.2 主观的先验分布;4.2 贝叶斯定理与后验分析;4.2.1 贝叶斯定理;4.2.1 贝叶斯定理; 这个公式告诉我们,在已知 和 的条件下,可以计算出 。这就是逆概公式,即贝叶斯定理。 在逆概公式中, 称为先验概率分布, 为条件概率, 即为后验概率分布。 ; 若假定自然状态的先验密度是 ,通过观察与θ有关的随机变量x的条件概率密度 ,则贝叶斯定理指出:由观察x所确定的后验密度是 式中 是x的边际概率。 ; 贝叶斯定理的意义在于,能在出现一个新的补充事件条件下,重新修正对原有事件概率的估计。即计算出后验概率分布。 在提供了新的补充信息条件下,这一修正的概率比没有补充信息条件下的概率估计更为准确。 ;4.2.2 后验概率的确定 ;4.2.3 后验分析 ;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.2.3 后验分析;4.3 决策法则;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.1 预先后验分析;4.3.2 决策法则;4.3.2 决策法则;4.3.2 决策法则;4.3.2 决策法则;4.4 风险函数、贝叶斯风险和贝叶斯原则;4.4 风险函数、贝叶斯风险和贝叶斯原则;4.4.1 风险函数 ;4.4.1 风险函数;4.4.2 贝叶斯风险 ;4.4.2 贝叶斯风险;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.3 贝叶斯原则;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.4.4 贝叶斯分析的正规型和扩展型;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.5 反序分析;4.6 完全信息价值与最佳样本容量;4.6.1 完全信息价值与补充信息价值; 决策者掌握了完全信息,便可以根据一定的目标,选择最佳的行动方案,风险型的决策问题,也就转化为确定型的决策问题。因此,完全信息的价值,可以由掌握完全信息前后,所采取的不同行动方案的收益值的差额来表示。因为,不同状态下收益值的差额有所不同,所以人们用收益值差额的期望值来综合反映完全信息的价值。其计算公式如下: ; 计算公式: 上式中,EVPI (Expected Value of Perfect Information)是完全信息价值的期望值, ; 表示各方案在状
显示全部
相似文档