MétaCan
Menu
Retour à la cohorte
Enregistrement W3165351258

Bayes and Hurwicz Without Bernoulli

2020· article· en· W3165351258 sur OpenAlexaff
Simon Grant, Patricia Rich, Jack Douglas Stecher

Notice bibliographique

RevueSSRN Electronic Journal · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Portfolio Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAmbiguityBernoulli's principleCertaintyExpected utility hypothesisBayes' theoremDecision theoryMathematical economicsDecision makerSubjective expected utilityRanking (information retrieval)MathematicsBayesian inferenceBayesian probabilityComputer scienceMathematical optimizationArtificial intelligenceOperations researchEngineeringStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We provide a theory of decision under ambiguity that does not require expected utility maximization under risk. Instead, we require only that a decision maker be probabilistically sophisticated in evaluating a subcollection of acts. Three components determine the decision maker's ranking of acts: a prior, a map from ambiguous acts to equivalent risky lotteries, and a generalized notion of certainty equivalent. The prior is Bayesian, defined over the inverse image of acts for which the decision maker is probabilistically sophisticated. Ambiguity preferences are similar to Hurwicz, depending on an act's best- and worst-case interpretations. The generalized certainty equivalent may, but need not, come from a Bernoulli utility. The ability to combine appealing theories of risk and ambiguity at will has been sought after but missing from the literature, and our decomposition provides a promising way forward.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,332
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetRisk and Portfolio OptimizationTravaux en français237 207