我有一个随机样本并且我有一个估计器(X1,X2, . . . ,Xn)(X1,X2,...,Xn)Xn¯=∑ni=1XiXn¯=∑i=1nXi
我需要计算的 Fisher 信息。Fisher 信息定义为,其中是似然函数。Xn¯Xn¯−E(d2dθ2logL)−E(d2dθ2logL)LL
我的问题是:要计算估计器的 Fisher 信息(不是随机样本,而是随机样本的函数),我们应该采用随机样本的似然函数还是分布的似然函数?
估计器没有fisher信息,只有随机样本的fisher信息θθ.
在Wikipedia中,它说:
在数理统计中,Fisher 信息(有时简称为信息1)是一种测量可观察随机变量 X 携带的关于未知参数的信息量的方法θθX 的概率取决于它。
因此,Fisher 信息确实是两个随机变量之间的一种联系,而不是某个估计量,它是 X 的函数。
我很确定您混淆了一些术语。费舍尔信息是数据的函数,就像估计量一样X¯nX¯n这让您了解您获取的样本中包含多少感兴趣的参数信息。您可以在估计器处计算 Fisher 信息(通常这样做是因为 FI 取决于被估计的未知参数),我们使用由在 MLE 评估的 FI 组成的插件估计器(通常)。