主惯性分量及其应用
信息论
2017-04-05 v1 math.IT
摘要
我们探讨了两个离散随机变量 和 之间主惯性分量的性质与应用。PICs位于信息论与估计论的交叉点，提供了 与 之间依赖关系的细粒度分解。此外，PICs描述了在给定 的观测下， 的哪些函数可以或不可以被可靠地推断（以MMSE衡量）。我们证明了PICs在信息论中扮演着重要角色，并可用于刻画某些估计问题的信息论极限。在隐私设置中，我们证明了PICs与完美隐私的基本极限相关。
引用
@article{arxiv.1704.00820,
title = {Principal Inertia Components and Applications},
author = {Flavio P. Calmon and Ali Makhdoumi and Muriel Médard and Mayank Varia and Mark Christiansen and Ken R. Duffy},
journal= {arXiv preprint arXiv:1704.00820},
year = {2017}
}
备注
Overlaps with arXiv:1405.1472 and arXiv:1310.1512