《基于连接函数的熵市场及风险度量》：
假设概率试验可能获得n个结果x1，x2，…，xn，其中需要掌握在确定的试验中可能出现的结果x1，x2，…，xn的概率值p1，p2，…，pn。在累积的试验观测中，只能获得有关结果发生概率的m（＜n）个统计矩信息，而概率值P1，P2，…，pn却无法直接获得。以代数观点来分析，我们通过矩信息可以获得m（＜n）个方程，待求未知数为n个，即为一个具有无穷多组解的方程组。如果需要获得确实的解，目前所具有的信息量是不够的，即目前所知信息带来了解的不确定性，要获得确定的结果还需要一个准则来推理。
Jaynes将熵加入了这样的问题中，提出：“在根据部分信息进行推理时，应使用的概率分布，必须是在服从所有已知观测数据的前提下使熵函数取得最大值的那个概率分布。这是能够做出的仅有的无偏分配；使用任何其他分布，则相当于对未知的信息做了任意性的假设。”Jaynes为了获得确实的概率分布，除了已经具有的统计矩信息之外，还加入了最大熵原则作为推理依据，也就是说，所获得的确定的概率分布需要在满足矩信息的基础上使得这些概率对应的熵函数值最大。
Jaynes在研究中分析，最大熵原则虽然看来是一个主观性的选择标准，但实际上却是在信息不足情况下所具有的最“客观”的选择准则。在信息论中，熵代表不确定性，即未知的程度，熵值越大意味着对信息了解得越少。以熵最大为原则进行的选择，不假设未知任何信息，完全且只服从所知矩信息。也就是说，将“除了已知信息之外对其他信息一无所知”作为一种选择准则。以数学表达式可以将最大熵原理归为一个数学规划问题：以作为选择重要依据的最大熵准则作为目标函数，而所有已知矩信息作为约束条件。
……
展开
