Theo bài báo rất thú vị này trên Tạp chí Quanta: "Bằng chứng dài dòng, tìm thấy và gần như bị mất" , - người ta đã chứng minh rằng đã đưa ra một vectơ có đa biến Phân phối Gaussian và các khoảng xoay quanh các phương tiện của các thành phần tương ứng của , sau đóI 1 , Mạnh , I n x
(Bất đẳng thức tương quan Gaussian hoặc GCI; xem https://arxiv.org/pdf/1512.08776.pdf để biết công thức tổng quát hơn).
Điều này có vẻ thực sự tốt đẹp và đơn giản, và bài báo nói rằng nó có hậu quả cho khoảng tin cậy chung. Tuy nhiên, nó có vẻ khá vô dụng đối với tôi. Giả sử chúng tôi đang ước tính các tham số và chúng tôi đã tìm thấy các công cụ ước tính (có thể là không có triệu chứng) cùng bình thường (ví dụ: công cụ ước tính MLE) . Sau đó, nếu tôi tính khoảng tin cậy 95% cho mỗi tham số, thì GCI đảm bảo rằng hypercube là vùng tin cậy chung có độ bao phủ không nhỏ hơn ... có độ phủ khá thấp cho vừa phải .
Do đó, dường như không phải là một cách thông minh để tìm các vùng tin cậy chung: vùng tin cậy thông thường cho một Gaussian đa biến, tức là một hyperellipsoid, không khó để tìm ra nếu ma trận hiệp phương sai được biết và nó sắc nét hơn. Có lẽ nó có thể hữu ích để tìm các vùng tin cậy khi ma trận hiệp phương sai không xác định? Bạn có thể chỉ cho tôi một ví dụ về sự liên quan của GCI với tính toán của các khu vực niềm tin chung không?