Kicsit hosszu lett az iras, igy nem tudok mindennel egyeterteni. A log-exp nagyreszt azert jelenik meg a szamolasokban, mert a az egyes esemenyek valoszinusege altalaban szorzodik. Igy az illesztesnel a likelihood szorzat helyett, reszben numerikus okokbol a valoszinusegek logaritmusat szoktak hasznalni, vagy a negetiv logaritmusat, ami az entropia. Utobbi azert is kenyelmes, mert a lekodolashoz szukseges bitek szamat is megadja.
A parameterek pedig nem csak ugy legbol kapottak szoktak lenni, altalaban a tanulasi minta tanulasi-teszt mintara bontasaval lehet vizsgalni egy parameter hasznossagat.
Nekem van egy egyelore nem peer-reviewed cikkem a Kollmogorov komplexeitasrol, nekem az a legjobb megoldasom a temara, de az nyilvan nem a futasidorol szoval.