Những quý ông thông thái này,
Kotz, S., Kozubowski, TJ, & Podgorski, K. (2001). Phân phối và khái quát hóa Laplace: Xem xét lại các ứng dụng cho truyền thông, kinh tế, kỹ thuật và tài chính (số 183). Mùa xuân.
thách thức chúng tôi bằng một bài tập:
Bằng chứng có thể tuân theo Bằng chứng lý thuyết thông tin rằng Bình thường là entropy tối đa cho giá trị trung bình và phương sai đã cho. Cụ thể: Đặt là mật độ Laplace ở trên và để là bất kỳ mật độ nào khác, nhưng có cùng độ lệch tuyệt đối trung bình và trung bình. Điều này có nghĩa là sự bình đẳng sau đây giữ:f(x)g(x)
Eg(|X−c1|)=∫g(x)|x−c1|dx=c2=∫f(x)|x−c1|dx=Ef(|X−c1|)[1]
Bây giờ hãy xem xét
phân kỳ Kullback-Leibler của hai mật độ:
0≤DKL(g||f)=∫g(x)ln(g(x)f(x))dx=∫g(x)lng(x)dx−∫g(x)lnf(x)dx[2]
Tích phân đầu tiên là âm của entropy (vi phân) của , biểu thị nó . Tích phân thứ hai là (viết rõ ràng là Laplacian pdf)g−h(g)
∫g(x)ln[f(x)]dx=∫g(x)ln[12c2exp{−1c2|x−c1|}]dx
=ln[12c2]∫g(x)dx−1c2∫g(x)|x−c1|dx
Tích phân đầu tiên tích hợp vào sự thống nhất và sử dụng cả eq. chúng tôi có được
[1]
∫g(x)ln[f(x)]dx=−ln[2c2]−1c2∫f(x)|x−c1|dx=−(ln[2c2]+1)
Nhưng đây là phủ định của entropy vi sai của Laplacian, biểu thị nó .
−h(f)
Chèn các kết quả này vào eq. chúng ta có
Vì là tùy ý, điều này chứng tỏ rằng trên mật độ Laplacian là entropy tối đa trong số tất cả các phân phối với các đơn thuốc ở trên.[2]
0≤D(g||f)=−h(g)−(−h(f))⇒h(g)≤h(f)
g