Öncelikleri ortaya çıkarmak… para ile!

Varsayalım ki bazı değişkenlerinde daha önce bir dağıtım yapmak istediğim 'uzmanlarım var . Onları gerçek parayla motive etmek istiyorum . Fikir, öncelikleri ortaya çıkarmak, rasgele değişken gerçekleşmelerini gözlemlemek , daha sonra, önceden belirlenmiş bazı 'çantaları' uzmanların arasında, önceliklerinin kanıtlarla ne kadar iyi eşleştiğine göre ayırmaktır. Öncelikleri ve kanıtları ödeme vektörüne eşleyen bu son bölüm için önerilen yöntemler nelerdir? $k$ $X$ $n$ $X$

bayesian prior

— shabbychef
kaynak

Muhtemelen doğru bir cevap olmadığından, bunu cevaplamak isteyebiliriz. Bunu moderatörün takdirine bırakıyorum.

— shabbychef

Bu soruya objektif olarak geçerli tek bir iyi yanıt olabilir, bu yüzden onu CW'ye çevirmekten çekinmeyin.

— whuber

Bu, tahmin piyasaları fikrine benzer . Tahmin kitabı bakmak için iyi bir yerdir.

— ely

Yanıtlar:

Yukarıdaki yorumumun ruhuna göre, dikkate alınması gereken doğru şeyin bir tahmin pazarı olduğunu düşünüyorum . Tahminlerin doğruluğu için sabit getirisi olan menkul kıymetler satmalısınız. Cevabında Daniel Johnson tarafından belirtilenler gibi standart olasılıksal mesafe ölçülerini kullanabilirsiniz. Ancak mesele, ödemeleri menkul kıymetler şeklinde düzeltmek ve ölçüm standartlarını önceden düzeltmektir (tercihen sadece gibi ya da olmadı gibi ikili olayları kullanın ). Bu şekilde, bir kişi, kapsadığı olay gerçekten gerçekleşirse 1,00 ABD doları ödeyen bir güvenlik için X ödemeye razı olursa, menkul kıymetin kapsadığı olaya X olasılığı atadığını bilirsiniz. Piyasa likiditesi, menkul kıymetlerin uzmanlar arasında nasıl dağıtıldığına dikkat edecektir. $A$ $\$$

Bu bir golf turnuvası için olabilir gibi sabit bir ödeme vektörü daha üstün olduğunu düşünüyorum. Bunun nedeni, bir golf turnuvasında önemli olan, genel skorunuz değil rakiplere karşı ne kadar iyi yaptığınızdır. Mümkün olan en doğru önceki inançları teşvik etmek istediğinizde, insanların ödülü almak için sadece birbirlerini geçmeleri gerektiğini düşündüklerini istemezsiniz ... çünkü ödeme almak için kendi paralarını bahis etmeye istekli olmalarını istersiniz çünkü sadece önceki değerlendirmelerinin bir başkasınınkinden daha iyi olmadığına değil, önceki değerlendirmelerine inanmaları gerekir.

— ely
kaynak

Piyasa manipülasyonunun etkilerinin tahmin piyasalarında deneysel olarak incelendiğini ( buraya ve buraya bakınız ) ve daha fazla çalışma yapılması gerekmesine rağmen, katılımcıların kötü niyetli manipülatörleri kolayca telafi edebilecekleri görülmektedir. Ampirik sonuçlar, diğer yorumunuzda

— ely

Aranacak anahtar kelime puanlama kurallarıdır : bunlar olasılıklı tahminleri değerlendirme ve ödüllendirme işlevleridir ve 50'li yıllara kadar konu üzerinde oldukça fazla çalışma yapılmıştır. Kontrol etmeniz gereken en önemli şey, bunun uygun olması, yani önceliğini sağladığınız uzmanın dürüst olmak için teşvike sahip olmasıdır.

Oldukça olası birçok uygun puanlama kuralı vardır: en basitlerinden biri logaritmik puanlama kuralıdır: uzmanı, etkinliğe atamış oldukları günlük olasılığını (doğrusal işlevi) ile ödüllendirirsiniz.

— Simon Byrne
kaynak

Teşekkürler! Böyle bir şeye doğru eğildim. Özellikle, herhangi bir bilgi olmadan bir ajan tarafından sistemi 'oynamak' zor olmasını istedim.

— shabbychef

Yukarıdaki cevabıma eklediğim yorumu kontrol edin ( link ), çünkü tahmin piyasalarının manipülatörlere ve sistemi 'oyunlamaya' çalışan diğerlerine karşı nasıl sağlam olduğu konusunda umut verici bazı araştırmalar var. Bu, yalnızca akranlardan daha iyi doğruluk elde etmek için ödeme sunan basit puanlama kurallarından gerçekten üstündür.

— ely

@EMS: Tahmin piyasalarını üstün yapan nedir? Bir puanlama kuralının tüm amacı, puanın rakiplerden bağımsız olması (kuşkusuz pratikte bu şekilde uygulanmadığı halde: yani tüm para en yüksek puanı alan kişiye verilir)

— Simon Byrne

Eğer gerçek dağılım parayı ödeyen tarafından biliniyorsa, bakmak için doğal bir istatistik, daha önce verilen ve gerçek dağılımın göreceli entropisi olacaktır . Sonra ödeme göreceli entropinin sadece monoton azalan bir işlevi olabilir.

$n$ $\text{score}(\text{prior } j) = \sum^n_{i=1}P_j(X = x_i)$

$X$ $n$

— Daniel Johnson
kaynak

Elbette, uzmanlar size "önceden" vermeden önce tüm bunları dikkate alacaklardır.

— ely

n

$n$

n

$n$

$

$\$$

Temiz olan şey, mesafeleri tahmin etmek veya bir kavanozdaki M&M sayısı gibi fiziksel miktarların insanlar tarafsız tahmin edicilerdir: çok sayıda tahminin ortalamasını alın ve genellikle çok yakındır. Ancak, fiziksel olmayan miktarlar, gelecek ay gaz fiyatının ne olacağı gibi, insanlar (hatta uzmanlar) ortalama olarak bile korkunç . Yanlışlık planlaması hakkındaki literatür korkutucu, özellikle de profesyonel kentsel planlamacıların örnekleri, istatistiklerin öğrencilerin bağlantılı yanlış yanlılık önyargısı ile nasıl kötü bir şekilde yaptığı gibi, belediye projelerinin maliyetlerini sürekli olarak kötü bir şekilde tahmin ediyor.

— ely

Elde ettiğim en önemli şey, eski bir kitap olan James Gibson'ın "Görsel Algıya Ekolojik Yaklaşım" üzerine tartışılan bazı şeylerdi. İnsanların bir futbol sahasındaki uzak duran iki kişi ve benzer şeyler arasındaki mesafeleri tahmin etmelerini sağlayan bazı deneylerden bahsetti. M & M'in olayını nereden duyduğumu hatırlayamıyorum, ancak üzerinde bazı kaynaklar bulmaya çalışacağım.

— ely