مجموعه‌ی پذیرفتنی مدل‌های رقیب بر پایه‌ی مخاطره‌های کولبک ‌ــ‌‌ لیب‌لر آمیخته

چکیده: هدف از انتخاب مدل یافتن مدل بهینه است. در حالت کلی، مدل مناسب نتایج خوبی به‌دست می‌دهد و لذا بررسی معیارهای ارزیابی یک مدل‌ ذهنی برای بررسی نیکویی مدل مناسب از اهمیت ویژه‌ای برخوردار است. در این مقاله هدف پاسخ به این سؤال است که چگونه می‌توان مجموعه‌ای نامتناهی از همه‌ی مدل‌های مناسب برای داده‌ها را به مجموعه‌ای کوچک‌تر تبدیل کرد. در این مقاله، ترکیبی متناهی از معیاری شناخته‌شده در مسأله‌ی انتخاب مدل برای پاسخ به این سؤال در نظر گرفته شده است که هدف آن انتخاب یک مجموعه‌ی منطقی از مدل‌ها بر پایه‌ی اندازه‌ای از نزدیکی مدل انتخابی به مدل درست است. نشان می‌دهیم که رده‌ای بسیار کلی از معیارهای آماری، که آن را معیار کولبک ــ‌ لیب‌لر آمیخته‌ی متناهی می‌نامیم راهی برای نظریه‌ی انتخاب مدل فراهم می‌کند. دو نوع ضریب یکی بر پایه‌ی تابع چگالی و دیگری بر اساس تابع مخاطره برای معیار آمیخته در نظر گرفته شده است. نتایج شبیه‌سازی و تحلیل داده‌های واقعی نتایج نظری را تأیید می‌کنند.