四次损失下的贝叶斯风险估计

机器算法验证 自习 贝叶斯
2022-04-03 18:40:28

给定四次损失:

l(θ,θ^)=(θθ^)4
使贝叶斯风险最小化的估计量是什么?:
R(θ^|y)=l(θ,θ^)p(θ|y)dθ

对于二次损失,将损失代入上式,取导数 wrtθ^,并且等于 0,我们很快就会看到使损失最大化的估计量是后验均值。但是对于四次损失,经过上述步骤并到达Ep(θ|y)[(θθ^)3]=0. 我觉得答案也应该是后验均值,但我不知道如何得出这个结论。

1个回答

除非后部是对称的E[θ|y]估计量没有理由等于E[θ|y]. 它是三次多项式方程的解之一。

举一个 Gamma 的反例G(α,β)后部。后验风险函数为

R(π,θ^)=θ^44θ^3Eπ[θ|y]+6θ^2Eπ[θ2|y]4θ^Eπ[θ3|y]+Eπ[θ4|y]
Eπ[θk|y]=βk(k+α)α
因此
R(π,θ^)=θ^44θ^3αβ1+6θ^2α(α+1)β24θ^α(α+1)(α+2)(α+3)β3+Eπ[θ4|y]
不失一般性,我们可以取β=1. 这是风险函数的说明,当α=3.1415...

在此处输入图像描述

解决方案明显不同于α/β,后验均值。