بهبود کران بالای معیار کولبک - لیبلر براساس ترکیب محدب kمدل رقیب
محل انتشار: مجله علوم آماری، دوره: 4، شماره: 2
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 182
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-4-2_004
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
یکی از مسایل اساسی در استنباط آماری انتخاب مدل بهینه از میان مدل های رقیب است. در این مقاله ثابت شده است که خطای نسبی بین دو مدل دارای خاصیت زبرجمعی است و با استفاده از آن نشان داده شده است که ترکیب محدب مدل های رقیب از نظر معیار واگرایی کولبک - لیبلر مدلی را ایجاد می کند که یا بهتر از تمام مدل های رقیب است و یا لااقل از دورترین مدل رقیب به مدل درست داده ها بهتر است بررسی شبیه سازی یافته های نظری را تایید می کنند
کلیدواژه ها:
Convex Combination ، Geometric Mean ، Kullback-Leibler Risk ، Mixture of Models ، Model Selection ، Relative Error ، انتخاب مدل ، مدل آمیخته ، خطای نسبی ، ترکیب محدب ، معیار کولبک - لیب لر ، میانگین هندسی
نویسندگان
عبدالرضا سیاره
Department of StatisticsRazi University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :