(เพื่อดูว่าทำไมฉันถึงเขียนสิ่งนี้ให้ตรวจสอบความคิดเห็นด้านล่างคำตอบของคำถามนี้ )
ข้อผิดพลาดประเภท III และทฤษฎีการตัดสินใจเชิงสถิติ
การให้คำตอบที่ถูกต้องกับคำถามที่ผิดนั้นบางครั้งเรียกว่าข้อผิดพลาด Type III ทฤษฎีการตัดสินใจเชิงสถิติเป็นรูปแบบของการตัดสินใจภายใต้ความไม่แน่นอน มันมีกรอบแนวคิดที่สามารถช่วยหนึ่งหลีกเลี่ยงข้อผิดพลาดประเภทที่สาม องค์ประกอบสำคัญของกรอบที่เรียกว่าฟังก์ชั่นการสูญเสีย มันต้องใช้สองข้อโต้แย้ง: ครั้งแรกคือ (ส่วนย่อยที่เกี่ยวข้องของ) สถานะที่แท้จริงของโลก (เช่นในปัญหาการประมาณค่าพารามิเตอร์ค่าพารามิเตอร์จริง ); ที่สองคือองค์ประกอบในชุดของการกระทำที่เป็นไปได้ (เช่นในปัญหาการประมาณค่าพารามิเตอร์การประมาณθ ). เอาท์พุทแบบจำลองการสูญเสียที่เกี่ยวข้องกับทุกการกระทำที่เป็นไปได้เกี่ยวกับทุกสถานะที่แท้จริงที่เป็นไปได้ของโลก ตัวอย่างเช่นในปัญหาการประมาณค่าพารามิเตอร์ฟังก์ชันการสูญเสียที่รู้จักกันดีคือ:
- การสูญเสียข้อผิดพลาดแบบสัมบูรณ์
- การสูญเสียข้อผิดพลาดกำลังสอง
- การสูญเสีย LINEX ของHal Varian
ตรวจสอบคำตอบเพื่อค้นหาคำถาม
มีกรณีหนึ่งที่อาจพยายามทำให้เกิดข้อผิดพลาดประเภท III ที่สามารถหลีกเลี่ยงได้โดยมุ่งเน้นไปที่การสร้างฟังก์ชั่นการสูญเสียที่ถูกต้องและดำเนินการผ่านวิธีการตัดสินใจเชิงทฤษฎีที่เหลือ นั่นไม่ใช่บทสรุปของฉัน - นักสถิติมีเครื่องมือและเทคนิคมากมายที่ทำงานได้ดีแม้ว่าจะไม่ได้มาจากวิธีการดังกล่าวก็ตาม แต่ผลลัพธ์สุดท้ายนั้นสำหรับฉันก็คือนักสถิติส่วนใหญ่ไม่รู้จักและไม่สนใจทฤษฎีการตัดสินใจเชิงสถิติและฉันคิดว่าพวกเขาขาดหายไป สำหรับนักสถิติเหล่านั้นฉันจะยืนยันว่าเหตุผลที่พวกเขาอาจพบว่าทฤษฎีการตัดสินใจเชิงสถิติมีคุณค่าในแง่ของการหลีกเลี่ยงข้อผิดพลาด Type III นั้นเป็นเพราะมันมีกรอบที่จะถามขั้นตอนการวิเคราะห์ข้อมูลใด ๆ ที่เสนอ:ฟังก์ชั่นการสูญเสีย (ถ้ามี) ขั้นตอนใดที่จัดการได้อย่างเหมาะสมที่สุด? นั่นคือในสถานการณ์การตัดสินใจอะไรจริง ๆ แล้วมันให้คำตอบที่ดีที่สุด?
หลังคาดว่าจะสูญเสีย
จากมุมมองของเบย์ฟังก์ชั่นการสูญเสียคือสิ่งที่เราต้องการ เราสวยมากสามารถข้ามส่วนที่เหลือของทฤษฎีการตัดสินใจ - เกือบโดยนิยามสิ่งที่ดีที่สุดที่จะทำคือการลดหลังคาดว่าการสูญเสีย, ที่อยู่, พบการกระทำที่ช่วยลดเป็น)~ L ( ) = ∫ Θ L ( θ , ) P ( θ | D ) d θ
(และเป็นมุมมองที่ไม่ใช่เบส์ดีก็เป็นทฤษฎีบทของทฤษฎีการตัดสินใจ frequentist - เฉพาะ Wald ของสินค้าชั้นทฤษฎีบท - ว่าการดำเนินการที่ดีที่สุดเสมอจะได้รับการลดคชกรรมหลังคาดว่าการสูญเสียที่เกี่ยวกับบางส่วน (อาจจะไม่เหมาะสม) ก่อนหน้าความยากลำบากของผลลัพธ์นี้คือทฤษฎีบทการดำรงอยู่ไม่ได้ให้คำแนะนำเกี่ยวกับสิ่งที่เคยใช้มาก่อน แต่มัน จำกัด ขอบเขตของขั้นตอนการทำงานที่เราสามารถ "สลับกลับ" ได้อย่างมีประสิทธิภาพเพื่อค้นหาว่าคำถามแบบไหน โดยเฉพาะอย่างยิ่งขั้นตอนแรกในการย้อนกลับขั้นตอนที่ไม่ใช่แบบเบย์คือการคิดว่าขั้นตอนแบบเบย์แบบใด (ถ้ามี) ทำซ้ำหรือใกล้เคียงที่สุด
สวัสดี Cyan คุณรู้ไหมว่านี่เป็นเว็บไซต์ถาม - ตอบใช่ไหม
ซึ่งนำฉันมาสู่คำถามเชิงสถิติ ในสถิติแบบเบย์เมื่อให้การประมาณช่วงเวลาสำหรับพารามิเตอร์ univariate ขั้นตอนที่น่าเชื่อถือทั่วไปสองขั้นตอนคือช่วงเวลาที่เชื่อถือได้เชิงควอนตัมและช่วงความน่าเชื่อถือหลังหนาแน่นสูงสุด ฟังก์ชั่นการสูญเสียคืออะไรที่อยู่เบื้องหลังขั้นตอนเหล่านี้?