Байесовская постановка решения задач с моделью М определяет расширение множества алгоритмов AM так, чтобы оно включало не только алгоритмы вида a: YDout, но и все возможные распределения вероятностей Ps(douty), т. е. в стохастических алгоритмах для каждого значения y случайно выбирается подходящее решение dout в соответствии с вероятностями Ps(douty). Среди данных стохастических алгоритмов ищется наилучший, в котором при фиксированном значении x принимается одно и то же детерминированное решение dout=a (y), которое входит в противоречие со случайным характером состояния, в котором находится алгоритм.
Для байесовской постановке решения задачи определим на конечных множествах Y, X, Dout с распределением вероятностей PYX: YXR и функцией потерь W: XDoutR стохастический алгоритм as: DoutYR, риск которого.
Rs=. (1).
Теорема [3]: Для любого стохастического алгоритма существует детерминированный алгоритм a: YDout, риск которого
Rdet=.
не больше, чем Rs, т. е. байесовская задача может быть сведена к поиску детерминированного алгоритма a: YDout.
Доказательство: Перепишем равенство (1) в иной форме,.
Rs=.
Равенство =1 выполняется для любого yY, а неравенство 0 выполняется для любых doutDout и yY, поэтому справедливо неравенство.
Rs.
Обозначим a (y) любое значение dout, для которого.
.
Данный алгоритм a: YDout является детерминированным, который не хуже, чем стохастический as
.
т. е. для детерминированного алгоритма a риск RdetRs.