প্যারামিটার (সাফল্যের সম্ভাবনা) সহ একটি বার্নৌলির এলোমেলো পরিবর্তনশীল Consider বিবেচনা করুন । সম্ভাবনা ফাংশন এবং ফিশারের তথ্য (একটি ম্যাট্রিক্স):
এখন দুটি পরামিতি সহ একটি "ওভার-প্যারামিটারাইজড" সংস্করণটি বিবেচনা করুন: সাফল্যের সম্ভাবনা এবং ব্যর্থতার সম্ভাবনা । (দ্রষ্টব্য যে , এবং এই সীমাবদ্ধতা সূচিত করে যে প্যারামিটারগুলির মধ্যে একটি অপ্রয়োজনীয়)) এই ক্ষেত্রে সম্ভাবনা ফাংশন এবং ফিশারের তথ্য ম্যাট্রিক্স (এফআইএম) হ'ল:
লক্ষ্য করুন যে এই দুটি এফআইএমের নির্ধারকগুলি অভিন্ন। তদুপরি, এই সম্পত্তি শ্রেণিবদ্ধ মডেলগুলির (যেমন দুটি রাজ্যের বেশি) আরও সাধারণ ক্ষেত্রে প্রসারিত। এটি প্যারামিটারগুলির বিভিন্ন উপসর্গ শূন্য বলে মনে করে লগ-লিনিয়ার মডেলগুলিতে প্রসারিত হবে বলে মনে হয়; এই ক্ষেত্রে অতিরিক্ত "রিলান্ড্যান্ট" পরামিতি লগ পার্টিশন ফাংশনের সাথে মিলে যায় এবং দুটি এফআইএম নির্ধারকের সমতুল্য বৃহত্তর এফআইএম এর শুর পরিপূরকের ভিত্তিতে প্রদর্শিত হতে পারে । (প্রকৃতপক্ষে, লগ-লিনিয়ার মডেলগুলির জন্য ছোট এফআইএম হ'ল বড় এফআইএমের কেবল শ্রুর পরিপূরক।)
কেউ কি ব্যাখ্যা করতে পারবেন যে এই সম্পত্তিটি প্যারামিটারিক মডেলের একটি বৃহত্তর সেটগুলিতে প্রসারিত হয়েছে (যেমন সমস্ত ক্ষতিকারক পরিবারগুলিতে), এই জাতীয় "বর্ধিত" পরামিতিগুলির উপর ভিত্তি করে এফআইএম নির্ধারণকারীদের বিকল্পের অনুমতি দেয়? অর্থ্যাৎ যে কোনও প্রদত্ত পরিসংখ্যানের মডেলটিকে প্যারামিটারগুলির সাথে ধরে রাখুন যা একটি ডাইমেনশনাল ম্যানিফোল্ডের সাথে একটি -মাত্রিক জায়গাতে এমবেড করা রয়েছে। এখন, যদি আমরা আরও একটি মাত্রা (যা অন্যদের উপর ভিত্তি করে সম্পূর্ণ সীমাবদ্ধ হয়) অন্তর্ভুক্ত করার জন্য প্যারামিটারগুলির সেটটি প্রসারিত করি এবং সেগুলি পরামিতিগুলির উপর ভিত্তি করে FIM গণনা করি, তবে আমরা কি সর্বদা মূলের উপর ভিত্তি করে একই নির্ধারক পাব? (স্বতন্ত্র) পরামিতি? এছাড়াও, এই দুটি এফআইএম কীভাবে সম্পর্কিত?
আমি এই প্রশ্নটি জিজ্ঞাসা করার কারণটি হ'ল অতিরিক্ত প্যারামিটার সহ এফআইএম প্রায়শই সহজ প্রদর্শিত হয়। আমার প্রথম চিন্তাটি এটি সাধারণভাবে কাজ করা উচিত নয়। এফআইএম প্রতিটি প্যারামিটারের লগের সম্ভাবনা কমিয়ে আংশিক ডেরাইভেটিভগুলি জড়িত। এই আংশিক ডেরাইভেটিভগুলি ধরে নিয়েছে যে, প্রশ্নগুলির পরামিতি পরিবর্তিত হওয়ার সাথে সাথে অন্যান্য সমস্ত পরামিতিগুলি স্থির থাকে, যা আমরা অতিরিক্ত (সীমাবদ্ধ) প্যারামিটারের সাথে যুক্ত করলে সত্য হয় না। এই ক্ষেত্রে, আমার কাছে মনে হয় যে আংশিক ডেরিভেটিভগুলি আর বৈধ নয় কারণ আমরা অনুমান করতে পারি না যে অন্যান্য পরামিতিগুলি স্থির; তবে, আমি এখনও প্রমাণ পাইনি যে এটি আসলে একটি সমস্যা। (যদি নির্ভরশীল পরামিতিগুলির ক্ষেত্রে আংশিক ডেরিভেটিভস সমস্যাযুক্ত হয় তবে মোট ডেরিভেটিভসপরিবর্তে প্রয়োজন? আমি এখনও মোট ডেরাইভেটিভসের সাথে এফআইএম কম্পিউটিংয়ের উদাহরণ দেখিনি, তবে সম্ভবত এটিই সমাধান ...)
অনলাইনে আমি অনলাইনে খুঁজে পেলাম যা এ জাতীয় "বর্ধিত" পরামিতিগুলির উপর ভিত্তি করে এফআইএমকে গণনা করে তা নিম্নলিখিত: এই নোটগুলিতে যথাযথভাবে প্রয়োজনীয় আংশিক ডেরাইভেটিভগুলি গণনা করা (যেমন প্রতিটি প্যারামিটারটি স্বতন্ত্র যদিও পরামিতিগুলির মধ্যে একটি বাধা উপস্থিত রয়েছে)।