Teoría de la Decisión Estadística
La teoría de la decisión estadística concibe la estimación y la prueba de hipótesis como elecciones bajo incertidumbre, juzgadas por la pérdida esperada que incurren, y busca determinar qué reglas de decisión son óptimas.
Definition
La teoría de la decisión estadística es el marco, debido a Wald, en el que un procedimiento estadístico es una regla de decisión que mapea datos a acciones, evaluada por su riesgo, el valor esperado de una función de pérdida, y comparada con otras reglas mediante criterios como la admisibilidad, la minimaxidad y la optimalidad de Bayes.
Scope
Esta área abarca las funciones de pérdida y la función de riesgo como pérdida esperada, la comparación de reglas de decisión, la admisibilidad e inadmisibilidad, las reglas minimax que minimizan el riesgo en el peor de los casos, las reglas de Bayes que minimizan el riesgo promedio bajo una distribución a priori, la relación entre Bayes, minimax y las distribuciones a priori menos favorables, las decisiones aleatorizadas y la geometría del conjunto de riesgo, y los teoremas de clase completa que caracterizan las reglas que vale la pena considerar.
Sub-topics
Core questions
- ¿Cómo formalizan la pérdida y el riesgo la calidad de un procedimiento estadístico?
- ¿Qué significa que una regla de decisión sea admisible o inadmisible?
- ¿Cómo se relacionan las reglas minimax con las reglas de Bayes y las distribuciones a priori menos favorables?
- ¿Qué reglas de decisión forman una clase completa a la que vale la pena restringir la atención?
Key theories
- Riesgo y admisibilidad
- Cada regla tiene una función de riesgo sobre el espacio de parámetros; una regla es inadmisible si otra no tiene un riesgo mayor en todas partes y un riesgo estrictamente menor en algún lugar, y admisible en caso contrario.
- Reglas de Bayes y minimax
- Una regla de Bayes minimiza el riesgo promedio bajo una distribución a priori, una regla minimax minimiza el riesgo en el peor de los casos, y bajo ciertas condiciones una regla minimax es de Bayes frente a una distribución a priori menos favorable, lo que vincula ambos criterios.
- Teoremas de clase completa
- Bajo convexidad y compacidad, las reglas admisibles coinciden esencialmente con las reglas de Bayes y sus límites, por lo que la atención puede restringirse a esta clase completa sin pérdida.
Clinical relevance
El riesgo en la teoría de la decisión subyace a la comparación de estimadores y clasificadores por pérdida esperada, el diseño de decisiones sensibles al costo en el cribado y las operaciones médicas, y la elección fundamentada entre procedimientos cuando ninguna regla única domina, proporcionando la columna vertebral conceptual tanto para la metodología bayesiana como para la frecuentista.
History
Wald fundó la teoría de la decisión estadística en la década de 1940, unificando la estimación y la prueba de hipótesis como decisiones bajo riesgo y demostrando los primeros resultados de clase completa y minimax. Blackwell, Stein y otros desarrollaron la admisibilidad y la conexión con las reglas de Bayes, consolidado en la monografía de Berger.
Debates
- Criterios minimax versus Bayes
- La minimaxidad protege contra el peor de los casos, pero puede ser excesivamente pesimista, mientras que la optimalidad de Bayes depende de una distribución a priori que puede ser difícil de justificar; la teoría de la decisión aclara la compensación sin dictar una única elección.
Key figures
- Abraham Wald
- James O. Berger
- Charles Stein
- David Blackwell
Related topics
Seminal works
- berger1985
Frequently asked questions
- ¿Qué es una función de pérdida?
- Cuantifica el costo de tomar una acción particular cuando un valor de parámetro particular es verdadero; las opciones comunes son el error cuadrático para la estimación y la pérdida cero-uno para la clasificación, y el riesgo es su valor esperado.
- ¿Es una regla admisible siempre una buena regla?
- No necesariamente. La admisibilidad solo significa que ninguna otra regla la domina en todas partes; algunas reglas admisibles son deficientes en general, y algunas reglas excelentes son inadmisibles, por lo que la admisibilidad es una virtud mínima más que suficiente.