Teoria da Decisão Estatística

A teoria da decisão estatística aborda a estimação e o teste como escolhas sob incerteza, avaliadas pela perda esperada que incorrem, e questiona quais regras de decisão são ótimas.

Definition

A teoria da decisão estatística é a estrutura, devida a Wald, na qual um procedimento estatístico é uma regra de decisão que mapeia dados para ações, avaliada pelo seu risco, o valor esperado de uma função de perda, e comparada com outras regras por critérios como admissibilidade, minimaxidade e otimalidade de Bayes.

Scope

Esta área abrange funções de perda e a função de risco como perda esperada, a comparação de regras de decisão, admissibilidade e inadmissibilidade, regras minimax que minimizam o risco no pior caso, regras de Bayes que minimizam o risco médio sob uma priori, a relação entre Bayes, minimax e prioris menos favoráveis, decisões aleatórias e a geometria do conjunto de risco, e teoremas de classe completa que caracterizam as regras que valem a pena considerar.

Sub-topics

• Teoremas da Classe Completa
• Estimação Minimax
• Risco e Admissibilidade

Core questions

• Como a perda e o risco formalizam a qualidade de um procedimento estatístico?
• O que significa para uma regra de decisão ser admissível ou inadmissível?
• Como as regras minimax estão relacionadas às regras de Bayes e às prioris menos favoráveis?
• Quais regras de decisão formam uma classe completa à qual vale a pena restringir a atenção?

Key theories

Risco e admissibilidade

Cada regra tem uma função de risco sobre o espaço de parâmetros; uma regra é inadmissível se outra não tiver risco maior em todo o lado e risco estritamente menor em algum lugar, e admissível caso contrário.

Regras de Bayes e minimax

Uma regra de Bayes minimiza o risco médio sob uma priori, uma regra minimax minimiza o risco no pior caso, e sob certas condições uma regra minimax é de Bayes contra uma priori menos favorável, ligando os dois critérios.

Teoremas de classe completa

Sob convexidade e compacidade, as regras admissíveis essencialmente coincidem com as regras de Bayes e seus limites, de modo que a atenção pode ser restrita a esta classe completa sem perda.

Clinical relevance

O risco teórico da decisão subjaz à comparação de estimadores e classificadores por perda esperada, ao desenho de decisões sensíveis ao custo em rastreio médico e operações, e à escolha fundamentada entre procedimentos quando nenhuma regra única domina, fornecendo a espinha dorsal conceptual para a metodologia bayesiana e frequentista.

History

Wald fundou a teoria da decisão estatística na década de 1940, unificando a estimação e o teste como decisões sob risco e provando os primeiros resultados de classe completa e minimax. Blackwell, Stein e outros desenvolveram a admissibilidade e a conexão com as regras de Bayes, consolidadas na monografia de Berger.

Debates

Critérios minimax versus Bayes

A minimaxidade protege contra o pior caso, mas pode ser excessivamente pessimista, enquanto a otimalidade de Bayes depende de uma priori que pode ser difícil de justificar; a teoria da decisão esclarece o trade-off sem ditar uma única escolha.

Key figures

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

Seminal works

• berger1985

Frequently asked questions

O que é uma função de perda?

Quantifica o custo de tomar uma ação particular quando um valor de parâmetro particular é verdadeiro; escolhas comuns são o erro quadrático para estimação e a perda zero-um para classificação, e o risco é o seu valor esperado.

Uma regra admissível é sempre uma boa regra?

Não necessariamente. A admissibilidade significa apenas que nenhuma outra regra a domina em todo o lado; algumas regras admissíveis são globalmente fracas, e algumas regras excelentes são inadmissíveis, portanto, a admissibilidade é uma virtude mínima e não suficiente.