本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #451
- 日期：2026-03-18
摘要
我們考慮用於時間序列統計建模的資訊理論目標函數，它體現了模型的預測能力和模型複雜性之間的參數化權衡。我們研究了最佳因果推理的兩種不同情況，我們稱之為最佳因果過濾（OCF）和最佳因果估計（OCE）。 OCF 對應於擁有無限資料的理想情況。我們證明，OCF 在權衡參數趨於零的極限下導致了隨機過程的精確因果結構，從而強調了預測。具體來說，過濾方法準確地重建了隱藏的因果狀態。更一般地說，我們確定該方法會導致因果架構近似的分級模型複雜度層次結構。我們證明，對於有限資料（OCE）的非理想情況，可以透過調整機率估計的統計波動來找到正確的狀態數。