Teoremas de Clase Completa

Una clase completa es un conjunto de reglas de decisión lo suficientemente amplio como para que nada fuera de él valga la pena usar; los teoremas de clase completa identifican tales conjuntos con las reglas de Bayes y sus límites.

Definition

Una clase de reglas de decisión es completa si para cada regla fuera de ella existe una regla dentro de ella con un riesgo uniformemente no mayor; los teoremas de clase completa muestran que las reglas admisibles coinciden esencialmente con las reglas de Bayes y sus límites.

Scope

Este tema cubre las clases completas y esencialmente completas de reglas de decisión, la convexidad y compacidad del conjunto de riesgo que impulsan la teoría, el resultado de que toda regla admisible es de Bayes o un límite de reglas de Bayes, la inversa de que las reglas de Bayes bajo condiciones suaves son admisibles, el teorema de clase completa de Wald y las condiciones necesarias y suficientes de Stein, y la consecuencia práctica de restringir la atención a las reglas de Bayes.

Core questions

• ¿Qué distingue una clase completa de una clase esencialmente completa?
• ¿Por qué la convexidad del conjunto de riesgo hace que las reglas de Bayes sean centrales?
• ¿En qué sentido toda regla admisible es una regla de Bayes o una regla límite de Bayes?
• ¿Cómo justifican los teoremas de clase completa la restricción de la atención a las reglas de Bayes?

Key theories

Caracterización de Bayes de la admisibilidad

Bajo condiciones de convexidad y compacidad en el conjunto de riesgo, la clase de reglas de Bayes y sus límites es completa, por lo que toda regla admisible es de Bayes o un límite de reglas de Bayes.

Teoremas de clase completa de Wald y Stein

Wald estableció los primeros resultados de clase completa para juegos estadísticos, y Stein proporcionó condiciones necesarias y suficientes para que una clase fuera completa, agudizando el vínculo entre la admisibilidad y la optimalidad de Bayes.

Clinical relevance

Los teoremas de clase completa proporcionan una justificación frecuentista para los procedimientos bayesianos: debido a que las reglas admisibles son esencialmente las reglas de Bayes, buscar entre las reglas de Bayes no pierde nada, razón por la cual los estimadores de Bayes y regularizados son valores predeterminados razonables incluso bajo criterios no bayesianos.

History

Wald demostró los primeros teoremas de clase completa en su libro de 1950 sobre funciones de decisión estadística. Blackwell, Stein y Le Cam refinaron las condiciones a lo largo de la década de 1950, estableciendo la equivalencia ahora estándar entre admisibilidad y optimalidad de Bayes.

Key figures

• Abraham Wald
• Charles Stein
• David Blackwell
• James O. Berger

Seminal works

• berger1985

Frequently asked questions

¿Cuál es el uso práctico de un teorema de clase completa?

Le indica que puede limitar su búsqueda de una buena regla a las reglas de Bayes y sus límites sin perder nada admisible, lo que simplifica tanto la teoría como la construcción de procedimientos.

¿Significa esto que toda buena regla es bayesiana?

Esencialmente sí, dentro del marco de la teoría de la decisión: bajo las condiciones estándar, toda regla admisible es una regla de Bayes o un límite de ellas, aunque la probabilidad a priori relevante puede ser impropia o solo surgir como un límite.