انتخاب مدل بر اساس معیار کولبک-لیبلر و کاربرد آن در مدلهای رگرسیونی خطی غیرتودرتو

thesis
abstract

یکی از اساسی ترین مسائل بنیادی در انتخاب مدل بررسی دوری و نزدیکی مدل های پیشنهادی به مدل مولد داده ها یعنی h(.) است. برای حالتی که چند مدل پیشنهادی وجود دارد، بر اساس آزمون ها و معیارهای موجود تصمیم می گیریم که آیا این مدل ها را به عنوان مدل های خوب در نظر بگیریم یا به عنوان مدل هایی که برازش خوبی به داده ها ندارد. در فرآیند تصمیم گیری برای دو مدل پیشنهادی گاه دو مدل پیشنهادی را رد می کنیم. روش تصمیم گیری آزمون کاکس، رد یا پذیرش مدل های پیشنهادی بر اساس تعلق h(.) به خانواده-ی چگالی های پیشنهادی است. سوالی که مطرح می شود آن است که آیا این دو مدل، که توسط آزمون کاکس رد شده اند، دو مدل نزدیک به h(.) بوده اند یا دو مدل دور از h(.) . از طرفی آزمون وونگ بر اساس دوری و نزدیکی مدل ها به h(.) طراحی شده است. بر این اساس در این پایان نامه با شبیه سازی مدل های رگرسیونی خطی غیرتودرتو با خطای نرمال به بررسی موضوعاتی از این پرداخته ایم که از دو مدل پیشنهادی که توسط آزمون کاکس پذیرفته نشده اند کدام یک به h(.) نزدیک تر بوده اند. از طرفی چنانچه آزمون وونگ یا معیارهای انتخاب مدل مانند bic، aic، kic، kicc، یکی از مدل های پیشنهادی را برگزینند آیا ان مدل توسط آزمون کاکس به عنوان خوب-توصیف شده برگزیده می شود یا خیر. با بررسی این موضوعات می توان نتیجه گرفت که به دلیل حساسیت زیاد آزمون کاکس به ساختار مدل های پیشنهادی پذیرش مدل توسط آزمون کاکس به معنی پذیرش توسط همه معیارهاست، و معادل بودن دو مدل توسط آزمون وونگ به مفهوم رد هر دو توسط آزمون کاکس است. اما در مواردی که هر دو مدل توسط آزمون کاکس رد می شوند، آزمون وونگ و دیگر معیارها مدل نزدیکتر را برمی گزینند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

انتخاب مدل بر اساس معیار کولبک-لیبلر برای مشاهدات سانسوریده

انتخاب مدل به منظور استنباط و پیش بینی رفتار آینده جوامع تحت بررسی از اهمیت ویژه ای برخوردار است. از این رو جز با انتخاب مدل دسترسی به دنیای واقعی داده ها غیر ممکن است. هدف انتخاب مدل، انتخاب مدل بهینه بر پایه مشاهدات جامعه از میان مجموعه مدل های رقابتی است. مطالعات گسترده ایی در زمینه انتخاب مدل و آزمون فرض برای مشاهدات کامل انجام گرفته است. از جمله مشاهدات ناقص، مشاهدات سانسوریده هستند که به ...

15 صفحه اول

انتخاب مدل بر اساس معیار کولبک – لیبلر برای 2 ? k مدل غیر آشیانه ایی

انتخاب مدل یک مفهوم اساسی به منظور استنباط در مورد جوامع است که در روش کلاسیک محدود به بررسی پارامترهای جامعه می شود. فرض کنید یک نمونه تصادفی n تایی از یک جامعه با چگالی درست h(.) را در اختیار داریم. در حالت کلی h نامعلوم است و ما مدلی مانندf(x; ?) را به عنوان تقریبی از این چگالی درست بکار می بریم واستنباط خود را براساس f(x; ?) انجام می دهیم. بطور بدیهی می بایست f(x; ?) به چگالی درست h نزدیک ب...

15 صفحه اول

کران های بهبود یافته برای معیار کولبک - لیبلر بر اساس ترکیب مدل های رقابتی

یکی از مفاهیم بنیادی در استنباط آماری انتخاب مدل مناسب برای یک مجموعه از داده ها است. هنگامی که مجموعه -ای از داده ها در اختیار ما قرار می گیرند چگالی مولد داده ها یعنی چگالی درست داده ها مجهول است. لذا با مجموعه ای از مدل های رقابتی روبرو خواهیم بود. انتخاب یک مدل قطعی از بین این مدل های رقابتی که بر اساس تعداد محدودی از مشاهدات پیشنهاد شده اند، به عنوان برآوردی از چگالی درست جامعه موجب بروز ر...

15 صفحه اول

بهبود کران بالای معیار کولبک - لیبلر براساس ترکیب محدب kمدل رقیب

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 ن...

full text

مشخص سازی توزیع ها بر اساس اندازه اطلاع کولبک-لیبلر آماره های ترتیبی و مقادیر رکورد

در این مقاله با استفاده از اطلاع کولبک-لیبلر آماره های ترتیبی و مقادیر رکورد به مشخص سازی توزیع ها پراداخته می شود. سپس مشخص سازی ها بر پایه اطلاع کولبک-لیبلر و اطلاع شانون برای آماره های ترتیبی و آماره های رکورد بدست آورده می شود.

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده علوم

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023