Optimum Fisherian Information for Multivariate Distributions
多元分布的最优Fisher信息AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于多元统计信息与估计误差理论，未提供所列计量领域细分的直接依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元分布的最优Fisher信息
- 研究问题
- 在协方差矩阵满足加权范数约束的多元位置参数分布中，哪个分布的Fisher信息最小，这一性质如何用于高斯噪声下的估计误差界？
- 方法与思路
- 作者在具有一定光滑性的多元位置分布类中研究Fisher信息极值，并将结果用于加性高斯噪声下随机向量的平方损失估计。
- 材料陈述的贡献
- 摘要称约束类内高斯分布具有最小Fisher信息，并据此获得未知随机向量在加性高斯噪声观测下估计误差的紧上界。
- 阅读关注点
- 核对Fisher信息的比较准则、协方差加权范数约束与光滑条件，以及误差上界对应的估计规则、随机向量条件和取等情形。
- 阅读边界
- 依据稿件版本未注明的OpenAlex摘要；信息极值及紧上界的完整条件未说明，不能解释为无约束的普遍结论或推断刊本变化。
原文摘要
It is shown that within the class of all multivariate distributions depending on a location parameter (and satisfying certain smoothness conditions) and with a weighted norm constraint on the covariance matrix, the one with minimum Fisherian information is the Gaussian distribution. This result is then used in obtaining a tight upper bound on the error of estimating an unknown random vector observed in additive Gaussian noise under quadratic loss.