Théorèmes des classes complètes

Une classe complète est un ensemble de règles de décision suffisamment riche pour que rien en dehors de celle-ci ne vaille la peine d'être utilisé ; les théorèmes des classes complètes identifient de tels ensembles avec les règles de Bayes et leurs limites.

Definition

Une classe de règles de décision est complète si, pour chaque règle en dehors de celle-ci, il existe une règle à l'intérieur de celle-ci présentant un risque uniformément non supérieur ; les théorèmes des classes complètes montrent que les règles admissibles coïncident essentiellement avec les règles de Bayes et leurs limites.

Scope

Ce sujet couvre les classes complètes et essentiellement complètes de règles de décision, la convexité et la compacité de l'espace des risques qui sous-tendent la théorie, le résultat selon lequel toute règle admissible est une règle de Bayes ou une limite de règles de Bayes, la réciproque selon laquelle les règles de Bayes sont admissibles sous des conditions modérées, le théorème de la classe complète de Wald et les conditions nécessaires et suffisantes de Stein, ainsi que la conséquence pratique de la restriction de l'attention aux règles de Bayes.

Core questions

• Qu'est-ce qui distingue une classe complète d'une classe essentiellement complète ?
• Pourquoi la convexité de l'espace des risques rend-elle les règles de Bayes centrales ?
• Dans quel sens toute règle admissible est-elle une règle de Bayes ou une règle de Bayes limite ?
• Comment les théorèmes des classes complètes justifient-ils de restreindre l'attention aux règles de Bayes ?

Key theories

Caractérisation bayésienne de l'admissibilité

Sous des conditions de convexité et de compacité sur l'espace des risques, la classe des règles de Bayes et de leurs limites est complète, de sorte que toute règle admissible est une règle de Bayes ou une limite de règles de Bayes.

Théorèmes des classes complètes de Wald et Stein

Wald a établi les premiers résultats sur les classes complètes pour les jeux statistiques, et Stein a donné les conditions nécessaires et suffisantes pour qu'une classe soit complète, affinant ainsi le lien entre l'admissibilité et l'optimalité bayésienne.

Clinical relevance

Les théorèmes des classes complètes offrent une justification fréquentiste aux procédures bayésiennes : étant donné que les règles admissibles sont essentiellement les règles de Bayes, la recherche parmi les règles de Bayes ne perd rien, c'est pourquoi les estimateurs de Bayes et les estimateurs régularisés constituent des choix par défaut raisonnables, même selon des critères non bayésiens.

History

Wald a prouvé les premiers théorèmes des classes complètes dans son livre de 1950 sur les fonctions de décision statistique. Blackwell, Stein et Le Cam ont affiné les conditions tout au long des années 1950, établissant l'équivalence désormais standard entre l'admissibilité et l'optimalité bayésienne.

Key figures

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

Seminal works

• berger1985

Frequently asked questions

Quelle est l'utilité pratique d'un théorème de la classe complète ?

Il indique que l'on peut limiter la recherche d'une bonne règle aux règles de Bayes et à leurs limites sans manquer quoi que ce soit d'admissible, ce qui simplifie à la fois la théorie et la construction des procédures.

Cela signifie-t-il que toute bonne règle est bayésienne ?

Essentiellement oui, dans le cadre de la théorie de la décision : dans les conditions standard, toute règle admissible est une règle de Bayes ou une de leurs limites, bien que l'a priori pertinent puisse être impropre ou n'émerger qu'en tant que limite.