Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Nonparametric estimations and the diffeological Fisher metric

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985840%3A_____%2F21%3A00544050" target="_blank" >RIV/67985840:_____/21:00544050 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-030-77957-3_7" target="_blank" >http://dx.doi.org/10.1007/978-3-030-77957-3_7</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-77957-3_7" target="_blank" >10.1007/978-3-030-77957-3_7</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Nonparametric estimations and the diffeological Fisher metric

  • Popis výsledku v původním jazyce

    In this paper, first, we survey the concept of diffeological Fisher metric and its naturality, using functorial language of probabilistic morphisms, and slightly extending Lê’s theory in [Le2020] to include weakly Ck-diffeological statistical models. Then we introduce the resulting notions of the diffeological Fisher distance, the diffeological Hausdorff–Jeffrey measure and explain their role in classical and Bayesian nonparametric estimation problems in statistics.

  • Název v anglickém jazyce

    Nonparametric estimations and the diffeological Fisher metric

  • Popis výsledku anglicky

    In this paper, first, we survey the concept of diffeological Fisher metric and its naturality, using functorial language of probabilistic morphisms, and slightly extending Lê’s theory in [Le2020] to include weakly Ck-diffeological statistical models. Then we introduce the resulting notions of the diffeological Fisher distance, the diffeological Hausdorff–Jeffrey measure and explain their role in classical and Bayesian nonparametric estimation problems in statistics.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10101 - Pure mathematics

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Geometric Structures of Statistical Physics, Information Geometry, and Learning

  • ISBN

    978-3-030-77956-6

  • ISSN

    2194-1009

  • e-ISSN

  • Počet stran výsledku

    19

  • Strana od-do

    120-138

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Les Houches

  • Datum konání akce

    27. 7. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku