Đây là một câu hỏi xuất sắc và sâu sắc.
Mặc dù sách giáo khoa truyền thống (như của tôi ) có xu hướng thúc đẩy các yếu tố Bayes tương đương với xác suất sau của các giả thuyết không và thay thế hoặc của hai mô hình được so sánh, chính xác như chi tiết trong đoạn trích sau từ Lựa chọn Bayes của tôi , bây giờ tôi có xu hướng nghĩ rằng các yếu tố Bayes cho mỗi gia nhập nên không được sử dụng để ra quyết định mà là một biện pháp của bằng chứng tương đối của một mô hình so với người kia. Chẳng hạn, sử dụngBπ01(x)=1vì đường phân chia giữa null và thay thế (hoặc giữa mô hình a và mô hình b) không tấn công tôi như một sự lựa chọn tự nhiên. Hơn nữa, tôi không nghĩ rằng tổn thất 0-1 do Neyman và Pearson ủng hộ và sau đó được hầu hết mọi người chấp nhận là có ý nghĩa và mang lại bất kỳ sự hỗ trợ nào cho việc giải thích quyết định của yếu tố Bayes.
Quan điểm hiện tại của tôi về yếu tố Bayes là ở chế độ dự đoán trước hoặc sau, trong đó hành vi của được đánh giá theo cả hai mô hình, để hiệu chỉnh giá trị quan sát đối với cả phân phối trước hoặc sau của . Điều này khiến chúng ta tránh xa quan điểm quyết định. B π 01 (x) B π 01 (x)Bπ01(x)Bπ01(x)Bπ01(x)
[Từ Sự lựa chọn Bayes , 2007, Mục 5.2.2, trang 227]
Từ quan điểm lý thuyết quyết định, yếu tố Bayes chỉ là một biến đổi một-một của xác suất sau, nhưng khái niệm này được đưa ra để xem xét trên chính nền tảng của nó trong thử nghiệm Bayes.
Bπ01(x)=P(θ∈Θ0∣x)P(θ∈Θ1∣x)/π(θ∈Θ0)π(θ∈Θ1).
Θ0Θ11
H0
Bπ01(x)≥a1a0/ρ0ρ1=a1ρ1a0ρ0,
ρ0ρ1=π(θ∈Θ0) and =π(θ∈Θ1)=1−ρ0.
a0a1M0M1
L(θ,φ)=⎧⎩⎨0a0a1if φ=IΘ0(θ),if θ∈Θ0 and φ=0,if θ∉Θ0 and φ=1,