피셔 정보 결정자


12

(나는 math.se에 비슷한 질문을 게시했습니다 .)

정보 지오메트리에서 Fisher 정보 매트릭스의 결정 요인은 통계적 매니 폴드의 자연스러운 체적 형태이므로 멋진 기하학적 해석이 가능합니다. 예를 들어, 제프리스의 정의에 나타난 사실은 (재호) 기하 적 속성 인 재 파라미터 화에 따른 차이와 관련이있다.

그러나 통계 에서 그 결정 요인은 무엇 입니까? 의미있는 것을 측정합니까? (예를 들어, 0이면 매개 변수가 독립적이지 않습니다. 더 이상 진행되지 않습니까?)

또한 적어도 "쉬운"경우에 그것을 계산하기위한 닫힌 형식이 있습니까?

답변:


10

β^

따라서 Fisher 정보 매트릭스의 결정 요인은 일반화 된 분산의 역수입니다. 이는 실험 설계에서 최적의 실험을 찾기 위해 사용할 수 있습니다 (모수 추정 용). 이러한 맥락에서 이것을 D-optimality라고하며, 이는 거대한 문헌을 가지고 있습니다. "D- 최적의 실험 설계"를 위해 구글. 실제로, 역 공분산 행렬의 결정 요인을 최대화하는 것이 더 쉬운 경우가 많지만, 그 역 결정 요인을 최소화하는 것과 분명히 같습니다.

이 사이트에는 많은 게시물이 있지만 좋은 답변이 거의 없습니다. 다음은 하나입니다. 분산을 활용하지 않는 실험적 (인수) 설계

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.