安德鲁·R·巴伦。;托马斯·库恩(Thomas M.Cover)。 最小复杂度密度估计。 (英语) Zbl 0743.62003号 IEEE传输。Inf.理论 37,第4期,1034-1054(1991); 更正同上,第37号,第6,1738(1991)。 最小复杂度或最小描述长度原则是由Kolmogorov等人基于信息理论考虑而开发的,它为统计估计和模型选择提供了通用标准。如果真密度是有限复杂的,那么对于所有足够大的样本大小,都可以精确地发现它。对于无限复密度的大集合,最小复杂度估计的序列是强一致的。最后,引入了可解性指标,并在参数和非参数设置下进行了表征。证明了该指数是最小复杂度密度估计的收敛速度的界。审核人:J.Virtanen(瓦萨) 引用于5评论引用于66文件 理学硕士: 62B10型 信息理论主题的统计方面 94甲15 信息论(总论) 2012年12月62日 参数估计量的渐近性质 关键词:科尔莫戈洛夫复杂性;通用数据压缩;冗余的界限;函数的可解性;概率定律的发现;收敛速度;最小描述长度原则;型号选择;无限复密度;可处置性指数;收敛速度;最小复杂度密度估计 PDF格式BibTeX公司 XML格式引用 \textit{A.R.Barron}和\textit{T.M.Cover},IEEE Trans。Inf.Theory 37,No.4,1034--1054(1991;Zbl 0743.62003) 全文: 内政部 链接