Czy jest jakiś użytek dla ilości w statystyce lub teorii informacji?


Odpowiedzi:


24

Niech oznacza funkcję gęstości prawdopodobieństwa (odpowiednio w odniesieniu do Lebesgue'a lub miary zliczania), ilość jest znana jako entropia Renyi rzędu . Jest to uogólnienie entropii Shannona, która zachowuje wiele takich samych właściwości. W przypadku interpretujemy jako , co odpowiada standardowej entropii Shannona .f

Hα(f)=−1α−1log⁡(∫fαdμ)
α≥0α=1H1(f)limα→1Hα(f)H(f)

Renyi przedstawił to w swoim artykule

A. Renyi, O miarach informacji i entropii , Proc. 4. Berkeley Symp. na Math., Stat. i Prob. (1960), s. 547–561.

które warto przeczytać, nie tylko ze względu na pomysły, ale także na przykładowy styl ekspozycji.

Przypadek jest jedną z bardziej powszechnych opcji a ten szczególny przypadek jest (również) często określany jako entropia Renyi. Widzimy tutaj, że dla zmienna losowa dystrybuowana z gęstością .α=2α

H2(f)=−log⁡(∫f2dμ)=−log⁡(Ef(X))
f

Zauważ, że jest funkcją wypukłą, a zatem, z powodu nierówności Jensena mamy gdzie prawa strona oznacza entropię Shannona. Stąd entropia Renyi stanowi dolną granicę dla entropii Shannona i, w wielu przypadkach, jest łatwiejsza do obliczenia.−log⁡(x)

H2(f)=−log⁡(Ef(X))≤E(−log⁡f(X))=−Elog⁡f(X)=H(f)

Innym naturalnym przypadkiem, w którym powstaje entropia Renyi, jest rozważenie dyskretnej zmiennej losowej i niezależnej kopii . W niektórych scenariuszach chcemy poznać prawdopodobieństwo, że , która według elementarnego obliczenia to XX⋆X=X⋆

P(X=X⋆)=∑i=1∞P(X=xi,X⋆=xi)=∑i=1∞P(X=xi)P(X⋆=xi)=e−H2(f).

Tutaj oznacza gęstość w odniesieniu do miary liczenia na zbiorze wartości .fΩ={xi:i∈N}

(Ogólna) entropia Renyi jest również najwyraźniej związana z energią swobodną układu w równowadze termicznej, chociaż osobiście nie jestem tego przekonany. (Bardzo) najnowszy artykuł na ten temat to

JC Baez, entropia Renyi i energia swobodna , arXiv [quant-ph] 1101.2098 (luty 2011).


Rzeczywiście użyłem entropii Renyi jako substytutu entropii Shannona; miło widzieć potwierdzenie mojej intuicji. Dziękuję za oświecającą odpowiedź.
— charles.y.zheng

1
Wiele (ale nie wszystkie!) Właściwości i przydatności entropii Shannona wynika z jej wypukłości. Jeśli spojrzysz na nagromadzenie podstawowych wyników teorii informacji, mniej więcej zależą one od nierówności Jensena. Tak więc, w pewnym (niejasnym) sensie, nie ma zbyt wiele (strasznie) wyjątkowych w jako szczególnej nieliniowości, która prowadzi do pojęcia „informacji”. −log⁡x
— kardynał

1
Widzę. W szczególności potrzebuję właściwości, że maksymalny rozkład entropii, który spełnia dane marginesy, jest iloczynem marginesów (co można uzyskać od niezależności.)
— charles.y.zheng 26'11
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.