3
評価関数を最大化する確率分布を選択（CDCインフルエンザ予測コンテストの場合）
サポート確率質量関数を持つ離散確率変数があるとします。ような関数は、最大化し エッジケースの処理を回避するには、と仮定し。XXXp(x)=P(X=x)p(x)=P(X=x)p(x) = P(X=x)0,…,n0,…,n0,\ldots,nq(x)≥0q(x)≥0q(x)\ge 0∑nx=0q(x)=1∑x=0nq(x)=1\sum_{x=0}^n q(x) = 1E（ログ[ q（X− 1 ）+ q（X）+ q（X+ 1 ）] ）？E(log[q(X−1)+q(X)+q(X+1)])? E(\log[q(X-1)+q(X)+q(X+1)])? P（X= 0 ）= P（X= n ）= 0P(X=0)=P(X=n)=0P(X=0)=P(X=n)=0 関連する質問： 上記の期待を最大化するは、が単調であるため、も最大化すると考えてい。あれは正しいですか？q（x ）q(x)q(x)E[ q（X− 1 ）+ q（X）+ q（X+ 1 ）]E[q(X−1)+q(X)+q(X+1)]E[q(X-1)+q(X)+q(X+1)]ログlog\log 勝るものはありますか？p （x ）= q（x ）p(x)=q(x)p(x)=q(x) 関心のある人にとって、この質問は、予測値を評価するための効用関数として、ターゲット値と近隣値の確率の合計のログを使用するCDCインフルエンザ予測コンテストから生じます。