매개 변수가 (성공 가능성) 인 Bernoulli 랜덤 변수 을 고려하십시오 . 우도 함수 및 Fisher 정보 ( 행렬)는 다음과 같습니다.
이제 성공 확률 과 실패 확률 \ theta_0 의 두 매개 변수를 가진 "매개 변수를 초과 한"버전을 . ( 제약 조건은 매개 변수 중 하나가 중복됨을 의미합니다.)이 경우 우도 함수와 피셔 정보 매트릭스 (FIM)는 다음과 같습니다.
이 두 FIM의 결정 요인은 동일합니다. 또한이 속성은보다 일반적인 범주 형 모델 (즉, 두 개 이상의 상태)로 확장됩니다. 또한 0으로 제한되는 다양한 매개 변수 하위 집합이있는 로그 선형 모델로 확장되는 것으로 보입니다. 이 경우 여분의 "중복"매개 변수는 로그 분할 기능에 해당하며 두 FIM 결정 요인의 동등성은 더 큰 FIM 의 Schur 보완 을 기반으로 표시 될 수 있습니다 . (실제로, 로그 선형 모델의 경우 더 작은 FIM은 더 큰 FIM의 Schur 보완 물일뿐입니다.)
누군가이 속성이 더 큰 파라 메트릭 모델 세트 (예 : 모든 지수 패밀리)로 확장되는지 여부를 설명 하여 그러한 "확장 된"파라미터 세트를 기반으로 FIM 결정 요인을 도출 할 수 있습니까? 즉 , 차원 공간에 포함 된 차원 매니 폴드 에있는 매개 변수가 있는 주어진 통계 모델을 가정합니다 . 이제 매개 변수 집합을 확장하여 하나 이상의 차원 (다른 차원에 따라 완전히 제한됨)을 포함하고 해당 매개 변수를 기반으로 FIM을 계산하면 항상 원본을 기반으로하는 것과 동일한 결정자를 얻게됩니다. (독립) 매개 변수? 또한이 두 FIM은 어떤 관련이 있습니까?
이 질문을하는 이유 는 추가 매개 변수 가있는 FIM이 더 단순 해 보이기 때문입니다. 내 첫 번째 생각은 이것이 일반적으로 작동하지 않아야한다는 것입니다. FIM은 각 매개 변수를 사용하여 로그 가능성의 부분 파생물을 계산합니다. 이 부분 도함수는 문제의 매개 변수가 변경되는 동안 다른 모든 매개 변수는 일정하게 유지되며 추가 (제한된) 매개 변수를 포함하면 사실이 아닙니다. 이 경우 다른 매개 변수가 일정하다고 가정 할 수 없기 때문에 편미분이 더 이상 유효하지 않은 것 같습니다. 그러나 나는 이것이 실제로 문제라는 증거를 아직 찾지 못했다. (종속 변수가있는 경우 부분 미분이 문제가되는 경우 총 미분대신에 필요한가? 나는 총 파생 상품으로 FIM을 계산하는 예를 아직 보지 못했지만 아마도 해결책 일 것입니다 ...)
이러한 "확장 된"매개 변수 세트를 기반으로 FIM을 계산하는 온라인에서 찾을 수있는 유일한 예는 다음과 같습니다. 이 노트 에는 범주 분포에 대한 예가 포함되어 있으며 필요한 부분 도함수를 평소대로 계산합니다 (예 : 각 매개 변수가 독립적 인 것처럼) 매개 변수에 제약 조건이 있더라도).