0.11 模型族上的信息几何:Fisher 度量、估计极限与选择原理
guobin ouyang
Abstract
0.9 引入模型族(随机格族 $\Lambda_q(A)$,$A\in\mathbb{Z}_q^{d\times d}$ 均匀采样),0.10 引入 KMS 态(谱三元组的统计面)。本文给模型族以**信息几何**:Fisher 度量(模型族上的 Riemann 度量)、Cramér-Rao 界(参数估计精度极限)、极大熵原理(族内选择机制)。主要结果:① 经典与量子信息几何的基本命题(纯数学,可提交主库 A0 类);② **三位一体命题**:KMS 态(0.10)↔ 量子指数族(信息几何)↔ MaxEnt 解(选择原理)——统计面与信息几何在"约束下的唯一选择"处统一;③ 选择原理的框架定位:无约束 → 均匀(0.9 模型族),约束 → 指数族/KMS(0.10)——选择原理是输入层的机制化;④ 开放问题:σ* 观测者位置的可估计性语义、零方差定律的 Fisher 信息条件、自由 Fisher 信息在随机格谱上的应用、δ 模型多样性的统计结构。分层标注:信息几何基本命题为纯数学(可提交主库);三位一体与选择原理为结构命题(中间层);σ* 可估计性为开放问题(无声称)。