高斯分布和/或拉普拉斯分布模型的信息准则
统计方法学
2025-03-12 v1
摘要
信息准则 AIC 已在统计建模的许多领域成功应用，由于其基于对数似然函数的泰勒展开和最大似然估计的渐近分布推导而来，因此对于包含不可微点（如拉普拉斯分布）的似然函数并不直接成立。事实上，已知 AIC 在许多此类情况下能有效运作。本文我们尝试直接对真实模型或待估计模型为简单拉普拉斯分布模型的情形评估偏差校正项。由此获得了偏差校正项的近似表达式。数值结果表明，AIC 近似效果较好，唯独在将高斯分布模型拟合于服从拉普拉斯分布的数据时例外。
引用
@article{arxiv.2503.08458,
title = {Information Criterion for the Gaussian and/or Laplace Distribution Models},
author = {Genshiro Kitagawa},
journal= {arXiv preprint arXiv:2503.08458},
year = {2025}
}
备注
22 pages, 3 tables, 2 figures