Diyelim ki , ayrı bir rastgele değişkenin birbirini dışlayan sonuçlarının bir kümesidir ve , , vb.
Tüm düzgün dağılmış ve a, olasılık yoğunluk fonksiyonu , Shannon entropi olup maximize ( ve bir elementin tüm kütlesine sahip olması durumunda, Shannon entropisi minimize edilir ( aslında ). Bu, sürpriz (veya belirsizlik azaltma ) ve sonuçlar ve belirsizlik (veya beklenen sürpriz ) ve rastgele değişkenler hakkındaki sezgilere karşılık gelir :
- Ne zaman eşit dağıtılır, belirsizlik maksimize edilir ve kütle düzgün dağılmış olması için daha fazla sonucu vardır, daha belirsiz öyleyiz.
- Ne zaman tüm kütlesi bir sonuca konsantre olmuştur, hiçbir belirsizlik var.
- Bir sonuca olasılık atadığımızda, gerçekte gözlemlediğimizde hiçbir bilgi kazanmıyoruz ("şaşırtıcı değil").
- Bir sonucu daha yakın ve daha yakın bir olasılık atadığımızda, bunun gerçekte gerçekleşen gözlemi gittikçe daha bilgilendirici olur ("şaşırtıcı").
(Bu, elbette Shannon bilgisinin / entropisinin çok daha somut ama daha az epistemik kodlama yorumu hakkında hiçbir şey söylemez.)
Bununla birlikte, bir fayda fonksiyonunun yorumuna sahip olduğunda , veya mantıklı bir yorumu var mı? ? Bana öyle geliyor ki:l o g 1 ∑f(ω)log1
- bir PMF olarak üzerinde eşit bir dağılımı temsil ediyorsa , bir faydalı fonksiyon olarak , daha büyük olamayacak sonuçlar üzerindeki kayıtsızlığa karşılık gelir *Ω f
- bir sonucun tüm faydaya ve geri kalanının hiçbirine sahip olmadığı bir fayda fonksiyonu (olabildiğince bir faydaya çarpık olarak) çok güçlü göreceli tercihlere karşılık gelir - kayıtsızlık eksikliği.
Bu konuda genişleyen bir referans var mı? Olasılık kütle fonksiyonlarının ve normalize edilmiş göreceli yardımcı programların ayrık rasgele değişkenler üzerinden karşılaştırılmasındaki sınırlamalar hakkında bir şey kaçırdım mı?
* Kayıtsızlık eğrilerinin farkındayım ve kategorik bir örnek alana odaklanmamdan ve kendiliğinden 'kayıtsızlıkla' ilgilenmiyorum olmasından başlayarak, çeşitli nedenlerle sorumla nasıl alakalı olabileceğini görmüyorum, daha ziyade, yardımcı programların olasılıklar olarak nasıl yorumlanacağı ve söz konusu (ayrık) 'olasılık dağılımı' fiilen veya (ek olarak) bir fayda fonksiyonunun yorumlanmasına sahip olduğunda, olasılıklar üzerindeki fonksiyonellerin nasıl yorumlanacağı.