انتخاب متغیر در مدل های آمیخته ی متناهی تعمیم یافته بر پایه ی تابع تاوان

در بیش تر مطالعه هایی که صورت می گیرد، علاقه مند به استنباط درباره ی توزیع جامعه و پارامترهای آن هستیم. در کاربرد مدل های آمیخته ی متناهی تعمیم یافته، اغلب متغیرهای کمکی یا تبیینی بسیاری به کار برده می شوند. تاثیر این متغیرها در متغیر پاسخ از یک جز به جز دیگر مدل آمیخته تغییر می کند. این امر یک مسئله ی انتخاب متغیر پیچیده را ایجاد می کند. روش های موجود انتخاب متغیر مانند ملاک اطلاع آکاییکه و ملاک انتخاب بیزی از نظر محاسبه، زمانی که تعداد متغیرهای کمکی و اجزای مدل های آمیخته افزایش می یابند سنگین بوده و روش های پرهزینه ای هستند. در این پایان نامه یک روش درستنمایی تاوانیده، برای انتخاب متغیر در مدل های آمیخته ی متناهی تعمیم یافته معرفی می شود. این روش جدید تاوانی را که به اندازه ی ضریب های رگرسیونی و ساختمان مدل آمیخته وابسته است را معرفی می کند و نشان داده شده است که برای انتخاب متغیرها سازگار است. در این پایان نامه بعد از آشنایی با آلگوریتمem، این آلگوریتم برای محاسبه های عددی در مدل های آمیخته ی متناهی تعمیم می یابد. شبیه سازی ها نشان می دهند که این روش جدید انتخاب متغیر عمل کرد بهتر و محاسبه های خیلی کم تری نسبت به روش های سابق دارد.