Cramer-Rao 界和 Fisher 信息矩阵的高级解释

机器算法验证 测量误差 费希尔信息
2022-03-29 10:16:17

我正在审阅一份手稿,并且正在努力理解为什么选择了一些统计技术,即它们可以提供什么信息。该论文着眼于根据来自不同传感器的噪声测量来预测变量(例如温度)的效果。您能否更正以下对论文统计工具的解释中的任何错误:

  1. 对于温度预测,作者获得了一个 Cramer Rao Bound (CRB),它定义了预测可能具有的最小误差。较小的 CRB 是可取的,因为这意味着预测的误差较小。
  2. 作者将 CRB 分解为分子和除数。除数是费雪信息矩阵 (FIM)。较大的 FIM 是可取的,因为这意味着预测的误差较小。
  3. 作者列出了几种会导致奇异 FIM 的情况,这是不可取的,因为这意味着温度预测无效。
1个回答

我认为你的解释是正确的。以下是对您的观点的非正式回应。

  1. 如果一个无偏估计量达到 CRB,那么它就是参数的无偏估计量类中的最优估计量。

  2. 因为他们的估算器达到了 CRB,所以 FIM 越大,您对估算器的估算就越有把握。

  3. 如果 FIM 是奇异的,那么您在估计器的估计中基本上有无限的不确定性。