证明后中位数是绝对损失的贝叶斯估计?

机器算法验证 贝叶斯 估计 中位数 点估计 绝对风险
2022-03-28 01:12:24

总是认为后中位数是与绝对损失函数相关的贝叶斯估计。我遇到的证明依赖于区分条件贝叶斯风险并将其等同于零。然而,这表明这是一个拐点,而不是最低点。如何证明后中位数确实使贝叶斯风险最小化?

在此处输入图像描述

大多数(如果不是全部)教科书只是更上一层楼,只是把它作为练习留给可怜的读者。

2个回答

二阶导数收益率

2π(δ|x)0

所以原始函数是凸的,因此中位数对应于最小值而不是拐点

添加到小米的答案,这里是推导,使用莱布尼茨规则

ρδ=δπ(θ|x)dθδπ(θ|x)dθ2ρδ2=π(δ|x)1π(δ|x)0+δ0dθ[π(δ|x)0π(δ|x)1+δ0dθ]=2π(δ|x)