KL信息量法

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

KL信息量法概述

  K-L信息量法是本世纪中叶,由Kull-backLeibler提出,用以判定两个概率分布的接近程度。其原理是以基准序列为理论分布,备选指标为样本分布,不断变化备选指标与基准序列时差,计算K-L信息量。K-L信息量最小时对应的时差数确定为备选指标的最终时差。

  对于偶然的带有随机性的现象,通常可以认为是服从某一概率分布随机变量的一些实现值。如果已知(或假设)真正的概率分布,而希望估计我们选择的概率模型与这一真的概率分布相近似的程度,从而估计模型的好坏,就需要一个度量,这就是Kullback-Leibler信息量,即K-L信息量。

  在实际的应用中,是以一个重要的,能够敏感的反映当前经济活动的经济指标作为基准指标。对于每个选取的经济指标相对于基准指标前后移动若干个月,计算K-L信息量的值。K-L信息量越小,说明真实概率分布与模型概率分布越接近,对应的移动月数就是该指标的延迟月数。

本条目对我有帮助1
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

sky,Lolo,Angle Roh,Cabbage,Zfj3000,Yixi.

评论(共0条)

提示:评论内容为网友针对条目"KL信息量法"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成