ฟังก์ชันความหนาแน่นของความน่าจะเป็นเอนโทรปีสูงสุดคืออะไรสำหรับตัวแปรต่อเนื่องที่เป็นบวกของค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน


13

การกระจายเอนโทรปีสูงสุดสำหรับตัวแปรต่อเนื่องเชิงบวกคืออะไรในช่วงเวลาที่หนึ่งและสอง

ตัวอย่างเช่นการแจกแจงแบบเกาส์คือการแจกแจงแบบเอนโทรปีสูงสุดสำหรับตัวแปรที่ไม่ได้ จำกัด เนื่องจากค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานและการแจกแจงแกมมาเป็นการแจกแจงแบบเอนโทรปีสูงสุดสำหรับตัวแปรบวกโดยให้ค่าเฉลี่ยและค่าเฉลี่ยของลอการิทึม

คำตอบ:


13

หนึ่งก็อาจจะใช้ทฤษฎีของ Boltzmann ของที่อยู่ในตัวมากบทความวิกิพีเดียคุณชี้ไปที่

โปรดทราบว่าการระบุค่าเฉลี่ยและความแปรปรวนเทียบเท่ากับการระบุช่วงเวลาดิบสองช่วงแรก - แต่ละอันจะเป็นตัวกำหนดอื่น ๆ (ไม่จำเป็นต้องเรียกสิ่งนี้จริง ๆ เพราะเราอาจใช้ทฤษฎีบทนี้โดยตรงกับค่าเฉลี่ยและความแปรปรวน )

ทฤษฎีบทได้พิสูจน์แล้วว่าความหนาแน่นจะต้องอยู่ในรูปแบบ:

f(x)=cexp(λ1x+λ2x2) for all x0

integrability เหนือเส้นจริงบวกจะ จำกัดจะเป็น0และฉันคิดว่าสถานที่ที่มีข้อ จำกัด บางประการเกี่ยวกับความสัมพันธ์ระหว่างλ s (ซึ่งจะสันนิษฐานได้ว่ามีความพึงพอใจโดยอัตโนมัติเมื่อเริ่มต้นจากความแปรปรวนที่ระบุค่าเฉลี่ยและมากกว่าช่วงเวลาดิบ)λ20λ

ด้วยความประหลาดใจของฉัน (เนื่องจากฉันไม่คาดคิดว่าจะเกิดขึ้นเมื่อฉันเริ่มคำตอบนี้) สิ่งนี้ดูเหมือนจะทำให้เรามีการแจกแจงแบบปกติที่ถูกตัดทอน

อย่างที่มันเกิดขึ้นฉันไม่คิดว่าฉันเคยใช้ทฤษฎีบทนี้มาก่อนดังนั้นการวิพากษ์วิจารณ์หรือคำแนะนำที่เป็นประโยชน์สำหรับทุกสิ่งที่ฉันไม่ได้พิจารณาหรือไม่ได้รับการต้อนรับ


+1 ขอบคุณ ดูเหมือนจะไม่เป็นไร เมื่อฉันอ่านบทความ Wikipedia ฉันดูเหมือนจะพลาดความจริงที่ว่าทฤษฎีบท Boltzmann ใช้กับช่วงเวลาปิดทั้งหมด ฉันสันนิษฐานว่ามันใช้กับตัวแปรที่เปลี่ยนจากถึงเท่านั้น
becko

x1/x

1xexp(αxβx2)

7

ฉันต้องการให้คำตอบของ @ Glen_b ชัดเจนยิ่งขึ้นนี่เป็นคำตอบเพิ่มเติมเพียงเพราะมันไม่เหมาะสมกับความคิดเห็น

f(x)N(x|1/2λ1/λ2,1/(2λ2))
λ1λ2a1,a2a1=μ,a2=μ2+σ2λ1=μ/σ2,λ2=0.5σ2N(x|μ,σ2)

x>xminλ1,21/cμσ2xmin=0xmin

a1,a2λ1,2λ1,2

คำถามนี้ซ้ำกับ/math/598608/what-is-the-maximum-entropy-distribution-for-a-continuous-random-variable-on-0

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.