Information geometry and sufficient statistics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985840%3A_____%2F15%3A00444389" target="_blank" >RIV/67985840:_____/15:00444389 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/s00440-014-0574-8" target="_blank" >http://dx.doi.org/10.1007/s00440-014-0574-8</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s00440-014-0574-8" target="_blank" >10.1007/s00440-014-0574-8</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Information geometry and sufficient statistics
Popis výsledku v původním jazyce
Information geometry provides a geometric approach to families of statistical models. The key geometric structures are the Fisher quadratic form and the Amari?Chentsov tensor. In statistics, the notion of sufficient statistic expresses the criterion forpassing from one model to another without loss of information. This leads to the question how the geometric structures behave under such sufficient statistics. While this is well studied in the finite sample size case, in the infinite case, we encountertechnical problems concerning the appropriate topologies. Here, we introduce notions of parametrized measure models and tensor fields on them that exhibit the right behavior under statistical transformation.
Název v anglickém jazyce
Information geometry and sufficient statistics
Popis výsledku anglicky
Information geometry provides a geometric approach to families of statistical models. The key geometric structures are the Fisher quadratic form and the Amari?Chentsov tensor. In statistics, the notion of sufficient statistic expresses the criterion forpassing from one model to another without loss of information. This leads to the question how the geometric structures behave under such sufficient statistics. While this is well studied in the finite sample size case, in the infinite case, we encountertechnical problems concerning the appropriate topologies. Here, we introduce notions of parametrized measure models and tensor fields on them that exhibit the right behavior under statistical transformation.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Probability Theory and Related Fields
ISSN
0178-8051
e-ISSN
—
Svazek periodika
162
Číslo periodika v rámci svazku
1-2
Stát vydavatele periodika
DE - Spolková republika Německo
Počet stran výsledku
38
Strana od-do
327-364
Kód UT WoS článku
000355182400009
EID výsledku v databázi Scopus
2-s2.0-84929966449