確率は以下のように定義される。
標本空間
(1)任意の可測事象
(2)
(3)可測事象
である。
条件付き確率の定義
ここで、
事前確率と事後確率が同じ性質の場合、観測の繰り返しの中で、事後確率は新たな主観確率となる。事後確率の結果から事前確率を更新することをベイズ更新(Bayesian Updating)と呼ぶ。ベイズ更新の分野としてはカルマンフィルターなどがある。
ベイズの定理から
(1)
(2)結果
(3)損失関数
以上のステップを踏めばベイズ決定ができる。損失関数の性質によって、メジアンもモードも単純平均も推定値となりうる。
先述のカルマンフィルターについては、観測可能な時系列データ
観測方程式の誤差項は観測誤差(observation error)である。ここで新たな観測結果を得たときに状態の推定値を更新していきたいのである。簡単に書けば次のように表現できる。あとは観測情報によるイノベーションを組み込むだけである。
ところでサンプルの少なさから事前情報を抽象的に表わすほかないときには、少ないサンプルからでも事前情報を推定しなければならない場合がある。そういうときには経験的ベイズ決定(empirical Bayes estimation)が有用である。
の形をした離散型確率分布
で与えられる。
0 件のコメント:
コメントを投稿