Статистические структуры на многообразиях и их погружения

Обложка

Цитировать

Полный текст

Аннотация

Важным примером структур информационной геометрии является статистическая структура. Это заданная на гладком многообразии M риманова метрика g с вполне симметрическим тензорным полем K типа (2, 1). На многообразии, снабженном статистической структурой (g, K), инвариантно определяется однопараметрическое семейство α-связностей ∇α = D + α • K, где D — связность Леви-Чивиты метрики g, α — параметр. В работе охарактеризованы сопряженно симметрические статистические структуры и их частный случай — структуры постоянной α-кривизны. В качестве примера приведено описание структуры с α-связностью постоянной кривизны на двумерной статистической модели Парето. Показано, что двумерная логистическая модель имеет 2-связность постоянной отрицательной кривизны, а двумерная модель Вейбулла— Гнеденко — 1-связность постоянной положительной кривизны. При этом обе модели несут сопряженно симметрические статистические структуры. Для случая многообразия M^ линейной связности ^ без кручения, погруженного в риманово многообразие со статистической структурой (g, K), получен критерий того, что на прообразе индуцируется статистическая структура с подходящей α-связностью ^.

Об авторах

Александр Аркадьевич Рылов

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: alexander_rylov@mail.ru
Россия, Москва

Список литературы

  1. Морозова Е. А., Ченцов Н. Н. Естественная геометрия семейств вероятностных зконов// Итоги науки и техн. Совр. пробл. мат. Фундам. напр. — 1991. — 83. — С. 133-265.
  2. Рылов А. А. Связности, совместимые с метрикой, и статистические многообразия// Изв. вузов. Мат. — 1992. — № 12. — С. 47-56.
  3. Рылов А. А. Связности, совместимые с метрикой, в теории статистических многообразий// Изв. вузов. Мат. — 1994. — № 3. — С. 62-64.
  4. Рылов А. А. Связности Амари—Ченцова на логистической модели// Изв. Пензенск. гос. пед. ин-та им. В. Г. Белинского. — 2011. — № 26. — С. 195-206.
  5. Рылов А. А. Связности постоянной кривизны на статистической модели Парето// Изв. Пензенск. гос. пед. ин-та им. В. Г. Белинского. — 2012. — № 30. — С. 155-163.
  6. Amari S. Information Geometry and Its Applications. — Springer, 2016.
  7. Arwini K., Dodson C. T. J. Information Geometry: Near Randomness and Near Independence. — SpringerVerlag, 2008.
  8. Furuhata H. Hypersurfaces in statistical manifolds// Differ. Geom. Appl. — 2009. — 27, № 3. — P. 420-429.
  9. Furuhata H., Hasegawa I. Submanifold theory in holomorphic statistical manifolds// in: Geometry of Cauchy-Riemann Submanifolds. — Singapore: Springer, 2016. — P. 179-215.
  10. Ivanova R. A geometric observation on four statistical parameter spaces// Tensor, N.S. — 2010. — 72.— P. 188-195.
  11. Lauritzen S. Conjugate connections in statistical theory// in: Geometrization of Statistical Theory (Dodson C. T. J., ed.). — Lancaster, 1987. — P. 33-51.
  12. Lauritzen S. Statistical manifolds// in: Differential Geometry in Statistical Inference. — Hayward, California: Inst. of Math. Statistics, 1987. — P. 163-216.
  13. Matsuzoe H. Complex statistical manifolds and complex affine immersions// in: Current Developments in Differential Geometry and Its Related Fields. — Singapore: World Scientific, 2016. — P. 183-199.
  14. Min C. R., Choe S. O., An Y. H. Statistical immersions between statistical manifolds of constant curva- ture// Glob. J. Adv. Res. Class. Mod. Geom. — 2014. — 3, № 2. — P. 66-75.
  15. Nielsen F. An elementary introduction to information geometry// Entropy. — 2020. — 22. — 1100.
  16. Nore T. Second fundamental form of a map// Ann. Mat. Pura Appl. IV. Ser. — 1987. — 146. — P. 281-310.
  17. Opozda B. Bochner’s technique for statistical structures// Ann. Glob. Anal. Geom. — 2015. — 48.— P. 357-395.
  18. Rylov A. Constant curvature connections on statistical models// in: Information Geometry and Its Applications. — Cham: Springer, 2018. — P. 349-361.
  19. Siddiqui A. N., Shahid M. H., Lee J. W. On Ricci curvature of submanifolds in statistical manifolds of constant (quasi-constant) curvature// AIMS Mathematics. — 2020. — 5, № 4. — P. 3495-3509.
  20. Siddiqui A. N., Chen B.-Y., Siddiqi M. D. Chen inequalities for statistical submersions between statistical manifolds// Int. J. Geom. Meth. Mod. Phys. — 2021. — 18, № 4. — 2150049.
  21. Takano K. Statistical manifolds with almost contact structures and its statistical submersions// J. Geom. — 2006. — 85. — P. 171-187.
  22. Yano K., Ishihara S. Harmonic and relatively affine mappings// J. Differ. Geom. — 1975. — 10. — P. 501509.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Рылов А.А., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».