Optimality conditions for maximizers of the information divergence from an exponential family

0041122 - ÚTIA 2007 RIV CZ eng K - Konferenční příspěvek (tuzemská konf.)
Matúš, František
Optimality conditions for maximizers of the information divergence from an exponential family.
[Optimální podmínky pro maximalizaci informační divergence exponenciální rodiny.]
WUPES '06 Proceedings of 7th Workshop on Uncertainty Processing. Prague: University of Economics, 2006 - (Vejnarová, J.; Kroupa, T.), s. 96-110. ISBN 80-245-1079-0.
[WUPES 2006. Mikulov (CZ), 16.09.2006-20.09.2006]
Grant CEP: GA AV ČR IAA100750603
Výzkumný záměr: CEZ:AV0Z10750506
Klíčová slova: Kullback-Leibler divergence * relative entropy * exponential family * information projection * cumulant generating function * log-Laplace transform
Kód oboru RIV: BD - Teorie informace

The information divergence of a probability measure P from an exponential family E over a finite set is defined as infimum of the divergences of P from Q subject to Q in E. All directional derivatives of the divergence from E are explicitly found. To this end, behaviour of the conjugate of a log-Laplace transform on the boundary of its domain is analysed. The first order conditions for P to be a maximizer of the divergence from E are presented, including new ones when P is not projectable to E.

Informační divergence pravděpodobnostní míry P od exponenciální rodiny se definuje jako infimum divergencí P od Q v E. Byly spočteny směrové derivace této divergence pomocí nových výsledků o konjugaci log-Lapaceovy transformace. Byly formulovány nové nutné podmínky prvního řádu proto, aby P byla maximalizátorem této divergence
Trvalý link: http://hdl.handle.net/11104/0134694