알았어요. 제 원래의 메시지는 응답을 이끌어 내지 못했습니다. 질문을 다르게하겠습니다. 나는 결정 이론적 관점에서 추정에 대한 나의 이해를 설명하는 것으로 시작할 것이다. 나는 공식적인 훈련이 없으며 어떤 식 으로든 내 생각에 결함이 있다고해도 놀라지 않을 것입니다.
손실 함수 가 있다고 가정 합니다. 예상되는 손실은 (자주적인) 위험입니다.
여기서 는 가능성입니다. 베이 즈의 위험은 잦은 예상되는 위험입니다.
여기서 는 우리의 이전입니다.
일반적으로 을 최소화 하는 가 있으며이 모든 것이 잘 작동합니다. 또한 Fubini의 정리가 적용되며 을 최소화 하는 주어진 가 다른 모든 것과 독립적이 되도록 통합 순서를 반대로 바꿀 수 있습니다. 이런 식으로 우도 원칙을 위반하지 않으며 베이지안 등을 좋아할 수 있습니다.
예를 들어, 친숙한 제곱 오차 손실 고려할 때 잦은 위험은 평균 제곱 오차 또는 합계입니다. 제곱 바이어스와 분산의 제곱과 베이 즈의 위험은 우리의 이전에 주어진 제곱 바이어스와 분산의 합, 즉 사후 예상 손실입니다.
이것은 지금까지 나에게 합리적 인 것처럼 보인다. 그러나 어쨌든 다른 목표에는 상황이 훨씬 덜 이해됩니다. 예를 들어, 대신 합을 최소화의 가정 똑같이 가중 제곱 바이어스 및 분산을, I는 최소화하려는 불균등 가중 합 -이고, I는 원하는 최소화하는 것을 :
여기서 는 양의 실수 상수입니다 (1 이외).
나는 일반적으로이 용어를 "객관적인 함수"라고 말하지만, 그 용어를 잘못 사용하고있을 수도 있습니다. 내 질문은 솔루션을 찾는 방법에 관한 것이 아닙니다. 이 목적 함수를 최소화 하는 를 찾는 것은 수치 적으로 가능합니다. 대신 내 질문은 두 가지입니다.
그러한 객관적인 기능이 의사 결정 이론 패러다임에 적합 할 수 있습니까? 그렇지 않다면 다른 틀이 있습니까? 그렇다면 어떻게합니까? 의 함수일 것이다 연관된 손실 함수 같아 , 및 때문에 기대 - -이다 (어떤 나는 적절하지 않다고 생각한다.
주어진 추정치 는 다른 모든 추정치 (가설적인 추정치 의존 하기 때문에 우도 원리를 위반합니다 . 그럼에도 불구하고, 편차 감소를 위해 오차 분산 증가를 거래하는 것이 바람직한 경우가 있습니다. 그러한 목표가 주어질 때, 문제가 가능성 원칙에 부합하도록 문제를 개념화하는 방법이 있습니까?
의사 결정 이론 / 추정 / 최적화에 대한 몇 가지 기본 개념을 이해하지 못했다고 가정합니다. 답변에 대해 미리 감사 드리며이 분야 또는 수학에 대한 교육이 없기 때문에 아무것도 알지 못한다고 가정하십시오. 또한, 순진한 독자를 위해 제안 된 참고 문헌도 높이 평가됩니다.