5.2 Информация по Фишеру
Определение. Свойства. Пусть сообщение X есть непрерывная случайная величина, а сигнал характеризуется условной плотностью вероятности Рассмотрим две гипотезы:
H1 – передано сообщение x1, то есть ,
H2 – передано сообщение x2, то есть .
Среднюю информацию в пользу H1, вычисленную по формуле (5.1.2)
|
(5.2.1) |
можно формально рассматривать как функцию аргумента x2, зависящую от параметра x1. На рис.5.2 в качестве примера приведен возможный вид этой функции при различных значениях x1.
Е сли существует вторая производная этой функции по x2 в точке x2= x1= x,
|
(5.2.2) |
то ее величина называется информацией по Фишеру о параметре x, содержащейся в сигнале y.
То же значение информации можно получить в результате вычисления по формуле
|
(5.2.3) |
Выбор одной из двух формул определяется только удобством вычислений. Информация Фишера показывает, насколько быстро возрастает функция I(x1:x2) при увеличении и, следовательно, является мерой различимости близких значений x1 и x2.
Информация Фишера, как и информация Кульбака, обладает свойствами выпуклости и аддитивности. Единицы измерения информации Фишера – это единицы измерения величины х-2.
Неравенство Рао-Крамера. Это – главный результат теории информации по Фишеру.
Рассмотрим задачу оценки непрерывного сообщения x. Правило оценивания сводится к тому, что каждому значению выборки ставится в соответствие некоторое значение оцениваемого параметра x. Таким образом, оценка является функцией выборочных данных и поэтому также является случайной величиной. Обычно вычисляют следующие числовые характеристики оценки:
1) Математическое ожидание при условии, что истинное значение сообщения равно x,
|
(5.2.4) |
2) Смещение
|
(5.2.5) |
т.е. систематическую ошибку, сопутствующую выбранному правилу оценивания.
3) Дисперсию, вычисляемую также при условии, что истинное значение сообщения равно x,
|
(5.2.6) |
Дисперсия оценки является основной количественной мерой точности оценивания.
Пусть функция правдоподобия дифференцируема по параметру x, информация Фишера (5.2.2) существует и не равна нулю для всех значений параметра в окрестности точки x, тогда дисперсия и смещение любой оценки связаны с информацией Фишера неравенством Рао-Крамера
|
(5.2.7) |
Для несмещенных оценок (b(x)=0) или для оценок с постоянным, не зависящим от x смещением (b(x)=c), числитель в (5.2.7) равен единице и тогда
|
(5.2.8) |
Таким образом, информация Фишера является количественной мерой предельной, потенциальной точности оценивания непрерывного сообщения x, так как дисперсия несмещенной оценки не может быть меньше величины, обратной информации Фишера.
Неравенства (5.2.7) и (5.2.8) обращаются в равенства тогда и только тогда, когда одновременно выполняются два условия:
1) Функция правдоподобия выборки может быть представлена в виде
|
(5.2.9) |
где – некоторая функция выборки y, не зависящая от x и ,
– функция, зависящая только от x и . Оценка , удовлетворяющая условию (5.2.9), называется достаточной, поскольку она сохраняет всю информацию о x, содержащуюся в самой выборке.
Функция правдоподобия выборки такова, что для любого x выполняется соотношение
|
(5.2.10) |
где – некоторая функция x.
Оценка, удовлетворяющая этому уравнению, называется эффективной, а семейство распределений, задаваемых уравнением (5.2.10) при различных значениях x, называется экспоненциальным семейством. Легко убедиться, что эффективная оценка всегда достаточна, но обратное утверждение неверно.
Среди всех оценок с заданным смещением именно эффективные оценки обладают минимальной дисперсией. К сожалению, эффективная оценка существует далеко не во всех случаях, и тогда потенциальная точность оценивания сообщения недостижима.
Оценка максимального правдоподобия. Метод максимального правдоподобия широко используется на практике. В качестве оценки выбирается такое значение x, при котором функция правдоподобия достигает наибольшего значения. Это значит, что в качестве оценки максимального правдоподобия выбирается решение уравнения правдоподобия
|
(5.2.11) |
Доказано, что если эффективная оценка существует, то она может быть реализована методом максимального правдоподобия.