"Rastgele değişken" kavramını anlamış görünmüyorsunuz. "Rasgele değişken" terimi, bir değişkeni ifade etmez. Bilinmeyen diğer değişkenlerle tanımlanamayan bir ilişkisi olan bir değişkeni ifade eder. Örneğin, pokerde kart çizdiğinizde sonuç rastgele bir değişkendir. Sırf belli kartları almanın bittiğini bilmenin sebebi, onları rastgele değişken yapmaz. Bu kartları alma olasılığının ne olduğunu hala sorabilirsiniz. Ve rakiplerinizin eylemleri bu olasılığı temel alacağından, bu olasılığın ne olduğunu çözmeniz daha iyi olacaktır. "Pekala, bir çift kralım olduğunu biliyorum, bu yüzden açıkça bir çift kral olma olasılığı% 100" diyen biriyseniz, muhtemelen iyi yapamayacaksınız. Bayesian muhakeme yapmak için, ne olduğunu bilmek gerekir. önceki Bir çift kral alma olasılığı.
Daha karmaşık bir örnek için, ortalama $ \ mu $ ve standart sapma $ \ sigma $ olan bir popülasyonunuz olduğunu varsayalım. Daha sonra bir örnek alın ve örnek ortalamasını hesaplayın. Daha sonra% 95 güven aralığını hesaplamak istiyorsunuz. Bu, örnekleme prosedürünüzün aralık içinde örnek bir ortalama ile sonuçlanması olasılığının% 95 olduğu bir aralıktır. Bu genellikle "Bu örnek ortama sahibim ve gerçek ortalamanın bu ölçüm hatasının içinde% 95 şansı var" olarak sunulur. Ancak bu, gerçek ortalamanın, bazı olasılık dağılımına sahip bazı rasgele değişkenler olduğunu gösteriyor. Fakat bu rastgele bir değişken değil, sabit bir parametre. Rastgele değişken olan örnek ortalamasıdır ve olasılık dağılımına sahip olan örnek ortalamasıdır. Sadece zaten bir örnek almış olmanız ve onun örnekleminin ne demek olduğunu bilmeniz, onun rastgele bir değişken olmadığı anlamına gelmez. Bir popülasyon ortalamasını ve std'yi örnek ortalamasına dönüştüren tanımlayıcı olmayan bir süreç vardır. Örnek ortalama, popülasyon ortalamasına bağlıdır, ancak bunu mekanik olmayan bir şekilde yapar ve rastgele bir değişkendir. Benzer şekilde, değerlemeniz belirli parametrelerden geldiği gibi modellenir, ancak bunu mekanik olmayan bir şekilde yaparsınız.
Muhtemelen, teklifiniz, sizin için iyi bir değer yaratacağını düşündüğünüz değere bağlı olacaktır. Bu da, mal hakkında aldığınız bilgilere dayanacaktır. Ve aldığınız bilgiler rastgele bir süreç olarak modellenebilir. Temel olarak, iyi bir alanınız var. G. Bazı veri alanınız var. D: Bazı değerleme fonksiyonunuz var. Belirli bir d göz önüne alındığında, bazı değerleme v: v = V (d) vardır. V olarak verilen bir teklif seçmek için bir strateji istiyorsunuz. v, g'nin belirsiz bir fonksiyonudur d'nin bir fonksiyonudur, dolayısıyla v, g'ye bağlı olarak rastgele bir değişkendir. Belirli bir v ve G'nin dağılımına ilişkin bir öncelik ve d'nin g'nin koşullu dağılımları göz önüne alındığında, g'nin dağılımını bulmak için Bayesçi mantığı kullanabilirsiniz. Ardından beklenen değeri en yüksek seviyeye çıkaran teklifi bulabilirsiniz (yani, her bir g için, koşullu olasılıklarına göre ağırlıklandırılmış değer).
Teklifin neden sadece sizin değerlemeniz olması gerektiğine gelince: değerlemenizin malın gerçek değerinin tarafsız bir tahmincisi olacağını düşünmek için hiçbir neden yoktur. Ayrıca, bir teklifin beklenen değeri, teklif ile malın gerçek değeri arasında karmaşık bir ilişkiye sahiptir. Açık artırmayı kazanırsanız, teklifinizin değeri, değer ile teklif arasındaki farktır, ancak açık artırmayı kazanma olasılığı, teklifinize ve diğer katılımcılara bağlıdır. Dolayısıyla, gerçek değerin tarafsız bir tahmincisine sahip olsanız bile, bunu teklifiniz olarak kullanmamalısınız; diğer katılımcıların tekliflerini dikkate almanız gerekir.