Bayesian Persuation

《Bayesian Persuation》，是经济学理论研究的一篇经典论文，2011年发表在AER上。

1. Motivation: 起诉人和法官博弈

首先，看一个起诉人和法官博弈的案例。

起诉人的目的是让理性的法官相信他是有罪的。法官有两个行动选择：定罪或无罪释放。对于被告来说，他的真实状态要么是有罪的，要么是无辜的。对于起诉人来说，如果被告被定罪，效用为1，否则为0。对于法官来说，判对了效用为1，判错为0。起诉人和法官共有一个先验信念：Pr(guilty)=0.3，也就是被告有罪的概率为30%。

起诉人可以调查搜集证据pi，并且必须把所有调查结果如实向法庭报告。但是起诉人可以选择调查方式和调查内容。考虑两种极端情况，如果不调查，也就是pi中不包含任何信息，那么法官基于先验0.3会判定被告无罪；如果调查了所有事实真相，也就是pi包含完全的信息，那么法官基于调查出来的事实，有0.3的概率判有罪，0.7的概率判无罪。如果起诉人选择下面一种调查方式：
$\pi (i|innocent)=4/7$, $\pi (i|guity)=0$,
$\pi (g|innocent)=3/7$, $\pi (g|guity)=1$.
注：$Pr(innocent)=0.7$, $Pr(guilty)=0.3$，
被告被判有罪的概率$=\pi (g|innocent)Pr(innocent)+\pi (g|guilty)Pr(guilty)=3/7\ast 0.7+1\ast 0.3=0.6$

之前法官相信被告70%是无辜的，但是最后他有60%的可能性判他有罪。虽然法官也知道起诉人的调查最大化了被告被判有罪的概率，但是他也没有办法。

现在假定如下一个法庭案例：起诉人（prosecutor）尝试劝说法官（judge）使之相信被告人（defendant）是有罪的。当被告人的确是有罪的，那么越揭露事实的真相越对起诉人有利；但如果被告人是无辜的，那么揭露事实真相对起诉人是不利的。那么问题来了：起诉人是否可以通过组织其论据，比如选择证据，来增加理性的法官判决被告人有罪的概率？结果也许很惊喜：Yes！贝叶斯定理限定了后验信念的期望（expectation），但是并未限制其分布（distribution），因此，只要法官的行动与其信念不是线性的关系，起诉人就可以通过劝说（persuasion）来获益。

2. Problem: 该不该劝说以及如何劝说？

那么问题来了，假如现在有一个人Sender试图劝说另一个人Receiver改变她的行动。如果 Receiver是一个理性的人，并且如果清楚Sender是在通过选择信息来操纵她的行动。那么Sender可以从劝说中获得好处吗？如果可以，需要满足什么条件吗？最优的劝说方式是怎样的？

这个问题很有价值，因为劝说问题存于很多领域，比如广告营销、法庭辩护、财务披露、政治选举等。

3. Model

考虑一个信息对称的模型，有两个player，一个信息的发送者sender和一个接收者receiver. Receiver和Sender的效用函数分别是u(a,w)和v(a,w)，a是行动，w是state of world。双方有共同的先验miu0。

1. 首先,Sender向receiver发出一个signal $\pi$，本质是一组条件概率，given S, 在$\omega$时不同的s有不同的概率，组成了一个signal。
2. 然后receiver观察到signal后，贝叶斯更新自己的belief ${\mu }_s$，并采取一个最大化自己期望效用的行动。Sender可以预测Receiver的对应行动，所以会选择一个最优的signal $\pi$来最大化自己的期望收益。

本质是一个子博弈精炼纳什均衡。

（1）如何根据s更新${\mu }_s(\omega )$？
${\mu }_s(\omega )=\mu (\omega |s)$即s时$\omega$的概率。

（2）一组$\mu (\omega |s)$构成了后验分布，$\tau$则表示后验分布${\mu }^{\prime }$的概率, $\tau (\mu )$则表示后验分布$\mu$的概率。

后面的求和项$=\pi (s)$（ π