統計決策理論

　　由統計學傢A.瓦爾德在1950年提出的一種數理統計學的理論，這種理論把數理統計問題看成是統計學傢與大自然之間的博弈；用這種觀點把各種各樣的統計問題統一起來，以對策論的觀點來研究。在此以前，人們對數理統計，主要是著眼於其推斷的功能，亦即從觀測資料出發對總體作出某種論斷（見統計推斷）。至於由此應該採取什麼決策或行動，會產生什麼後果，則被認為不屬於統計的範疇。瓦爾德的理論則把後面這一部分內容也納入統計的範圍之內，這在數理統計學上是一項革新，有較大的實際意義。

　　在一個統計問題中，統計工作者掌握的資料是樣本X＝(x₁，x₂…，x_n)，X所來自的總體的分佈F_θ中包含的參數θ為未知，而隻知道θ所屬的集合

（ 為 θ所有可能取值的集合，稱為參數空間）。但是，采取什麼決策最好，則取決於未知的 θ值。用形象化的說法， θ是由大自然在參數空間 中選定的，人們力圖去找到它。大自然掌握瞭 θ的秘密，而這個秘密又通過樣本泄露出來，統計工作者的任務就是根據樣本 X中所包含的關於 θ的信息，去作出良好的決策。例如，一傢商店根據抽樣決定是否接受一批來貨，一個工廠根據市場調查的結果決定某種產品生產多少等，希望所采取的行動取得盡可能好的效果，或者說，使“行動不當”所造成的損失盡可能小。

　　統計決策三要素　可以通過三個要素把一個統計決策問題表達出來。

　　① 樣本空間 H與樣本分佈族{F_θ：θ∈

}這個要素規定瞭問題的概率模型。樣本空間是樣本可能的取值范圍，而樣本分佈族是樣本所可能遵從的分佈的集合。

　　② 行動空間A　 它是統計工作者可以采取的單純策略（或稱行動）的集合。例如，設θ為一維參數，要對θ作區間估計，則實軸上任一區間[α，b)]構成一個單純策略，這時行動空間為所有[α，b)]構成的集合，即{[α，b)]：-∞＜α≤b＜∞}。若問題是要檢驗有關θ的假設，則行動空間A由α₀（接受假設）和α₁（拒絕假設）兩個元素構成。

　　③ 損失函數L統計決策理論有一個基本出發點：所采取的行動的後果可以數量化。設參數真值為θ，統計工作者采取的行動為α，則所遭受的損失可表為α與θ的函數L(θ，α)，稱之為損失函數。在一個具體問題中，采取什麼損失函數最好，是一個需要進行大量調查研究以至理論工作的問題，這也是在使用決策理論時的一個困難點。

　　統計決策函數　當三個要素都已給定時，統計工作者采取什麼行動，取決於他所掌握的樣本。求一個統計決策問題的解，就是制定一個規則，以便對樣本空間中每一點，在行動空間中都有一個元素與之對應，也就是找一個定義於樣本空間 H而取值於行動空間A的函數或分佈函數δ，當有瞭樣本X=x，就按δ(x)采取行動，稱δ為決策函數。用對策論的語言，δ就是統計工作者所采取的策略。

　　選擇決策函數的準則　對一個統計決策問題，為選定一個較優的決策函數，需要建立反映決策函數優劣的指標。風險函數R(θ，δ)就是這樣的指標，定義為R(θ，δ)=E_θ[L(θ，δ(X))]，即采取決策函數δ而參數真值為θ時所遭受的平均損失。風險函數愈小，決策函數愈好。在這個原則下，可以引進種種更具體且可行的準則。

　　① 容許性準則　 設δ為一決策函數，若存在另一決策函數δ

，使對一切 θ∈ 有 R( θ， δ )≤ R( θ， δ)，且不等號至少在 中的某一點成立，則稱 δ為不可容許的，否則為可容許的。從風險愈小愈好的原則出發，當 δ不可容許時，便沒有理由使用它。判定一個決策函數是否可容許，是統計決策理論中一個重要而且困難的問題。在風險函數愈小愈好的原則下，若存在決策函數 δ ₀，對一切 θ∈ 必成立 R( θ， δ ₀)≤ R( θ， δ)，其中 δ為任一決策函數，則 δ ₀是最好的決策函數，稱為一致最優決策函數。但這種決策函數一般不存在，因而不得不放寬條件，常采用的有兩種方法：一種是不對風險函數在 上作逐點比較，而采用某種綜合性指標；另一種方法是先從一定角度對允許使用的決策函數加以一定限制，然後再找一致最優的，從而又引出下列準則。

　　② 最小化最大準則　最大風險

是一種綜合性指標，若存在使最大風險最小的決策函數 δ ，使得對一切決策函數 δ都有： M( δ)≥ M( δ )，則稱 δ 是最小化最大決策函數，它反映瞭一種較穩健或保守的策略思想。

　　③ 貝葉斯準則　它以貝葉斯風險為指標，在參數空間

上選定一概率測度ξ，稱ξ為 θ( θ∈ )的先驗分佈，而稱 為決策函數 δ的相對於ξ的貝葉斯風險，它也是一個綜合性指標。若

對一切決策函數 δ都成立，稱 δ 為ξ的貝葉斯決策函數。

　　④ 最優同變性準則 這是一種在限制決策函數有同變性的條件下，求一致最優決策函數的準則。同變性是指當問題由於平移、刻度等變換而發生變化時，相應的決策(對策)也能有同步地變換的性質。例如，在正態總體N(μ，1)中抽樣x₁，x₂，…，x_n以估計μ，若將度量原由零點(O)移到с處，則樣本在新坐標系下變為x₁+с，x₂+с…，x_n+с，而參數變為μ+с，如果接受“估計結果不應與坐標原點的取法有關”的原則，則所用的決策δ應滿足：對任何實數с，有

；稱這樣的 δ在平移變換下有同變性。可以在樣本空間H上考慮更復雜的一一變換群，而定義在這個變換群之下的同變性，在所有具有同變性的決策函數類中，風險一致最小的決策函數被稱為最優同變決策函數。

　　在點估計中，限制使用的估計量有無偏性，采用平方損失函數

，在這個限制下，一致最優估計量就是一致最小方差無偏估計。這是另一個在限制決策函數下，求一致最優策略的例子。

　　一旦選定瞭優良性標準，統計決策問題的解決，就相當於一個數學上的最優化問題。1950年後的幾十年來在這方面做瞭不少工作，這不僅使統計問題有瞭嚴格的數學提法，同時也在形式上部分地突出瞭瓦爾德的想法，把形式不一樣的統計問題歸並在一個模式下統一處理。決策函數的觀點使統計更註重瞭所采取行動的效果，也使統計問題提法更加多樣化，從而開拓瞭某些新的研究領域，例如前面提到的關於容許性及最小化最大準則的研究。因此，瓦爾德的理論受到統計學界的重視，成為二次大戰後統計學史上一個重大事件。但是，在這個問題上的看法也並不一致，英國統計學傢M.肯德爾認為“損失的數量化”並非在任何情況下都合理可行，而且他還認為，把統計問題歸之於統計工作者與大自然之間的博弈的觀點，是值得懷疑的。

　　

參考書目

　A.Wald，Statistical Decision Functions，John Wiley &Sons，New York，1950.

　J.O.Berge，Statistical Decision Theory，John Wiley &Sons，New York，1980.