Sabit bir kovaryans matrisi ile maksimum entropi dağılımının bir Gauss olduğunu kanıtlayın


13

Gaussian'ın maksimum entropiye sahip olduğunu gösteren aşağıdaki kanıtı bulmaya çalışıyorum.

Yıldızlı adım nasıl bir anlam ifade ediyor? Belirli bir kovaryans yalnızca ikinci anı düzeltir. Üçüncü, dördüncü, beşinci anlara vb. Ne olur?

resim açıklamasını buraya girin

Yanıtlar:


13

Yıldızlı adım geçerlidir, çünkü (a) ve aynı sıfırıncı ve ikinci momentlere sahiptir ve (b) , terimleri toplam veya dereceye sahip olan bileşenlerinin polinom fonksiyonudur .pqlog(p)x02


Sıfır ortalamalı çok değişkenli normal dağılım hakkında sadece iki şey bilmeniz gerekir:

  1. log(p) , doğrusal terimler olmadan karesel bir işlevidir . Özellikle, sabit vardır ve olanx=(x1,x2,,xn) Cpij

    log(p(x))=C+i,j=1npijxixj.

    (Elbette ve cinsinden yazılabilir , ancak bu detay önemli değildir.)CpijΣ

  2. Σ dağıtımın ikinci anlarını verir. Yani,

    Σij=Ep(xixj)=p(x)xixjdx.

Bu bilgiyi bir integral üzerinde çalışmak için kullanabiliriz:

(q(x)p(x))log(p(x))dx=(q(x)p(x))(C+i,j=1npijxixj)dx.

İki bölümün toplamına girer:

  • (q(x)p(x))Cdx=C(q(x)dxp(x)dx)=C(11)=0 , gerek çünkü ve olasılık yoğunluk fonksiyonları vardır.qp

  • (q(x)p(x))i,j=1npijxixjdx=i,j=1npij(q(x)p(x))xixjdx=0 çünkü sağdaki tüm integraller yan, ve , aynı değere sahiptir (zekâ, ). Bu sözün "kuadratik formun aynı anlarını verdiğini" belirtmeyi amaçlamaktadır.q(x)xixjdxp(x)xixjdxΣij

Sonuç hemen gerçekleşir: olduğundan sonuçlandırıyoruz bu(q(x)p(x))log(p(x))dx=0q(x)log(p(x))dx=p(x)log(p(x))dx.


1

Bence (4.27) ve (4.28) integrallerinde şeklindeki çarpımın ve çarpımı ( normal bir yoğunluk olduğu için , günlüğü aldığınızda üs artı sabitlerden bu tür terimler alırsınız). Ama sonra teoremdeki koşul , in ile çarpılan bu terimlerin aynı değere entegre olmasını sağlar.q(x)p(x)σijxixjp(x)p(x)q(x)

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.