Stochastic metrology and the empirical distribution
随机计量与经验分布：时间相关数据压缩的信息损失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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究一般随机过程产生的时间序列及任意时间相关性对参数信息量的影响。
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…
随机计量与经验分布：时间相关数据压缩的信息损失
- 研究问题
- 研究具有时间相关性的随机过程被压缩为经验分布直方图后，参数估计所需的 Fisher 信息会损失多少及如何计算。
- 方法与思路
- 作者分析观测间相关性对信息量的影响，为一般平稳过程、离散时间马尔可夫链和连续时间经典主方程推导可用公式。
- 材料陈述的贡献
- 摘要称，时间相关性使经验分布压缩的信息损失并非简单问题，论文提供多个过程类别下的 Fisher 信息公式并以例子说明。
- 阅读关注点
- 应核对压缩前后统计实验的定义、信息公式的适用条件、有限样本与渐近结果的区别，以及各例子中时间相关性的作用。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出具体公式、正则条件或损失数值，不能判定所有过程的信息损失。
原文摘要
We study the problem of parameter estimation in time series stemming from general stochastic processes, where the outcomes may exhibit arbitrary temporal correlations. In particular, we address the question of how much Fisher information is lost if the stochastic process is compressed into a single histogram, known as the empirical distribution. As we show, the answer is non-trivial due to the correlations between outcomes. We derive practical formulas for the resulting Fisher information for various scenarios, from generic stationary processes to discrete-time Markov chains to continuous-time classical master equations. The results are illustrated with several examples.