Comment on "Renyi entropy yields artificial biases not in the data and incorrect updating due to the finite-size data"
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00332797" target="_blank" >RIV/68407700:21340/19:00332797 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1103/PhysRevE.100.026101" target="_blank" >http://dx.doi.org/10.1103/PhysRevE.100.026101</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1103/PhysRevE.100.026101" target="_blank" >10.1103/PhysRevE.100.026101</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Comment on "Renyi entropy yields artificial biases not in the data and incorrect updating due to the finite-size data"
Popis výsledku v původním jazyce
In their recent paper [Phys. Rev. E 99, 032134 (2019)], Oikonomou and Bagci have argued that Renyi entropy is ill suited for inference purposes because it is not consistent with the Shore-Johnson axioms of statistical estimation theory. In this Comment we seek to clarify the latter statement by showing that there are several issues in Oikonomou's and Bagci's reasonings which lead to erroneous conclusions. When all these issues are properly accounted for, no violation of Shore-Johnson axioms is found.
Název v anglickém jazyce
Comment on "Renyi entropy yields artificial biases not in the data and incorrect updating due to the finite-size data"
Popis výsledku anglicky
In their recent paper [Phys. Rev. E 99, 032134 (2019)], Oikonomou and Bagci have argued that Renyi entropy is ill suited for inference purposes because it is not consistent with the Shore-Johnson axioms of statistical estimation theory. In this Comment we seek to clarify the latter statement by showing that there are several issues in Oikonomou's and Bagci's reasonings which lead to erroneous conclusions. When all these issues are properly accounted for, no violation of Shore-Johnson axioms is found.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
10300 - Physical sciences
Návaznosti výsledku
Projekt
<a href="/cs/project/GA19-16066S" target="_blank" >GA19-16066S: Nelineární interakce a přenos informace v komplexních systémech s extrémními událostmi</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů