,修正之后的判断称为“后验概率”.贝叶斯法则正是人们根据新的信息从先验概率得到解决后验概率的基本方法Р我们用代表这个后验概率,即给定的情况下, 属于类型的概率:Р即属于并选择的联合概率等于属于的先验概率乘以类型的参与人选择的概率,或等于选择的总概率乘以给定情况下属于的后验概率.? 因此,我们有贝叶斯法则Р ? ?应该指出的是,贝叶斯法则并不是一个技术性法则,而是人们修正信念的唯一合理方法.Р4.1-1 基本思路Р4.1-2 贝叶斯法则Р精炼贝叶斯均衡假定参与人是根据贝叶斯法则修正先验概率的。不过,贝叶斯法则要求,即参与人必须以正的概率?选择,否则,后验概率没有定义.如果,我们允许在[0,1]区间取任何值,只要所取的值与均衡战略相容.?在动态博弈中, 对应的是非均衡路径上的信息集。Р4.1-2 贝叶斯法则Р为了熟悉贝叶斯法则,举例:把所有人分为好人和坏人? 两类,所有事情分为好事和坏事,那么一个人干好事的概率等于他是好人的概率乘以好人干好事的概率加上他是坏人的概率乘以坏人干好事的概率Р假定我们观测到一个人干了好事,那么这个人是好人的概率为Р4.1-2 贝叶斯法则Р具体一点,假定:我们认为这个人是好人的先验概率为1/2。在观测到他干了好事之后,我们如何修正他是好人的先验概率依赖于我们认为这件好事好到什么程度。下面考虑三种极端情况Р第一种情况:这是一件非常好的事,好人一定做,坏人一定不做。那么? Prob{GP GT}=(1×1/2)/(1×1/2+0×1/2)=1?第二种情况:这是一件非常一般的好事,好人坏人都会干。那么:? Prob{GP GT}=(1×1/2)/(1×1/2+1×1/2)=1/2?第三种情况:介于第一和第二种情况之间。好人肯定干,坏人可能干? 也可能不干,概率各为1/2,那么:? Prob{GP GT}=(1×1/2)/(1×1/2+1/2×1/2)=2/3
全文预览
