Рассмотрим случайную переменную Бернулли с параметром (вероятность успеха). Функция правдоподобия и информация Фишера ( матрица ):θ 1 × 1
Теперь рассмотрим «слишком параметризованную» версию с двумя параметрами: вероятность успеха и вероятность отказа . (Обратите внимание, что , и это ограничение подразумевает, что один из параметров является избыточным.) В этом случае функция правдоподобия и информационная матрица Фишера (FIM):
Обратите внимание, что детерминанты этих двух FIM идентичны. Кроме того, это свойство распространяется на более общий случай категориальных моделей (т. Е. Более двух состояний). Он также распространяется на лог-линейные модели с различными подмножествами параметров, ограниченными до нуля; в этом случае дополнительный «избыточный» параметр соответствует функции логарифмического разбиения, и эквивалентность двух определителей FIM может быть показана на основе дополнения Шура более крупного FIM. (На самом деле, для лог-линейных моделей меньшая FIM является просто дополнением Шура к большей FIM.)
Может ли кто-нибудь объяснить, распространяется ли это свойство на больший набор параметрических моделей (например, на все экспоненциальные семейства), позволяя опцию получения определителей FIM на основе такого «расширенного» набора параметров? Т.е. предположим любую данную статистическую модель с параметрами, которые лежат на мерном многообразии, вложенном в -мерное пространство. Теперь, если мы расширим набор параметров, чтобы включить еще одно измерение (которое полностью ограничено на основе других) и вычислим FIM на основе этих параметров, мы всегда получим тот же определитель, что и исходный (независимых) параметров? Кроме того, как эти два FIM связаны?
Причина, по которой я задаю этот вопрос, состоит в том, что FIM с дополнительным параметром часто выглядит проще. Моя первая мысль - это не должно работать вообще. FIM включает в себя вычисление частных производных логарифмической вероятности по каждому параметру. Эти частные производные предполагают, что, хотя рассматриваемый параметр изменяется, все остальные параметры остаются постоянными, что неверно, если мы задействуем дополнительный (ограниченный) параметр. В этом случае мне кажется, что частные производные больше не действительны, потому что мы не можем предполагать, что другие параметры постоянны; Однако мне еще предстоит найти доказательства того, что это на самом деле проблема. (Если частные производные являются проблематичными в случаях с зависимыми параметрами, являются ли общие производныенужен вместо этого? Я еще не видел пример вычисления FIM с полным производным, но, возможно, это решение ...)
Единственный пример, который я мог найти в Интернете, который вычисляет FIM на основе такого «расширенного» набора параметров, заключается в следующем: эти примечания содержат пример для категориального распределения, вычисляя требуемые частные производные как обычно (т.е. как если бы каждый параметр был независимым даже если среди параметров есть ограничение).