Saya telah bekerja dengan informasi timbal balik untuk beberapa waktu. Tetapi saya menemukan ukuran yang sangat baru dalam "dunia korelasi" yang juga dapat digunakan untuk mengukur independensi distribusi, yang disebut "korelasi jarak" (juga disebut korelasi Brown): http://en.wikipedia.org/wiki/Brownian_covariance . Saya memeriksa makalah tempat langkah ini diperkenalkan, tetapi tanpa menemukan kiasan untuk informasi timbal balik.
Jadi, pertanyaan saya adalah:
- Apakah mereka memecahkan masalah yang sama persis? Jika tidak, bagaimana masalahnya berbeda?
- Dan jika pertanyaan sebelumnya dapat dijawab dengan positif, apa kelebihan menggunakan satu atau yang lain?
Jawaban:
Informasi / informasi timbal balik tidak tergantung pada nilai yang mungkin, itu hanya tergantung pada probabilitas karena itu kurang sensitif. Korelasi jarak lebih kuat dan lebih mudah untuk dihitung. Untuk perbandingan, lihat
http://www-stat.stanford.edu/~tibs/reshef/comment.pdf
sumber