مینیماکس بودن و پذیرفتنی بودن برآوردگرهای بیزی سلسله مراتبی بردار میانگین توزیع نرمال چند متغیره
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده اقتصاد
- نویسنده سحر سعیدی
- استاد راهنما نادر نعمت الهی احمد پارسیان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
مدل های بیزی سلسله مراتبی در آمار کاربردی به طور گسترده استفاده می شوند. اما برخلاف کاربرد گسترده آن ها در برخی جنبه های نظری کمتر مورد توجه قرار گرفته اند. یکی از جنبه های نظری مدل های بیزی سلسله مراتبی تعیین ابرپیشین ها و تأثیر آن ها روی ویژگی های مطلوب برآوردگرهای بیزی سلسله مراتبی از جمله مینیماکس و پذیرفتنی بودن است. بعضاً به اشتباه تصور می شود که ابرپیشین ها تأثیری در این ویژگی های مطلوب ندارند، درحالی که در موارد متعددی مشاهده شده است که انتخاب ابرپیشین های متفاوت منجر به نتایج متفاوت در ویژگی های مطلوب می شود. در این پایان نامه در قالب دو مدل بیزی سلسله مراتبی در توزیع نرمال چندمتغیره تأثیر ابرپیشین ها در مینیماکس و پذیرفتنی بودن برآوردگرهای بیزی سلسله مراتبی را نشان می دهیم. در مدل اول توزیع پارامترها و به دنبال آن ابرپارامترها را مستقل فرض کرده و سه حالت متفاوت برای توزیع ابرپیشین ها در نظر می گیریم و در هر سه حالت برآوردگرهای بیزی سلسله مراتبی را از نظر پذیرفتنی یا ناپذیرفتنی بودن بررسی می کنیم. در ضمن نشان می دهیم که با تغییر ابرپیشین ها پذیرفتنی یا ناپذیرفتنی بودن برآوردگرها تغییر می کند. در مدل دوم نوع خاصی از وابستگی برای پارامترها در نظر می گیریم. بنابراین با فرض عدم استقلال توزیع ابرپارامترها، سه حالت متفاوت برای ابرپیشین ها در نظر می گیریم و در هر سه حالت برآوردگرهای بیزی سلسله مراتبی را از نظر مینیماکس بودن و پذیرفتنی یا ناپذیرفتنی بودن بررسی می کنیم. در واقع نشان می دهیم که با تغییر ابرپیشین ها مینیماکس بودن و پذیرفتنی یا ناپذیرفتنی بودن برآوردگرها تغییر می کند.
منابع مشابه
برآورد بیزی تعمیم یافته مینیماکس میانگین توزیع نرمال چندمتغیره با ماتریس کوواریانس مجهول
در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.
متن کاملبراوردگرهای پذیرفتنی و ناپذیرفتنی ترکیب خطی میانگین توزیع نرمال یک و چند متغیره
یکی از مسائل مورد توجه در براورد میانگین توزیع نرمال یک و چند متغیره،بررسی پذیرفتنی یا ناپذیرفتنی بودن براوردگرهای خطی در براورد میانگین توزیع نرمال یک متغیره و ترکیب خطی میانگین توزیع نرمال چند متغیره می باشد.در این پایان نامه این مسئله را تحت برخی از تابع زیان های متقارن، نامتقارن و کراندار مورد بررسی قرار می دهیم.
15 صفحه اولبرآورد بیزی تعمیم یافته مینیماکس میانگین توزیع نرمال چندمتغیره با ماتریس کوواریانس مجهول
در این مقاله، کلاسی از برآوردگرهای بیزی تعمیم یافته مینیماکس برای میانگین توزیع نرمال چندمتغیره زمانی که ماتریس کوواریانس معین مثبت و نامعلوم است تحت تابع زیان درجه دوم به دست آورده می شود، که تعمیم کلاس برآوردگرهای بیزی تعمیم یافته مینیماکس لین و تسای (1973) می باشد.
متن کاملمنظرهایی از آزمون فرضیه میانگین های مرتب شده در توزیع های نرمال یک و چند متغیره
آزمون فرضیه تساوی میانگین های k جامعه نرمال یک متغیره در مقابل فرضیه یکطرفه میانگین های مرتب شده با واریانس های مجهول و برابر در نظر گرفته شده است. یک روش کاملا جدید برای یافتن پرتوانترین آزمون به طور یکنواخت در سطح معنی داری α بر حسب توزیع t چند متغیره برای این مساله آزمون ارائه شده است. با توجه به اینکه تعیین توزیع آماره آزمون تحت فرضیه صفر برای بیش از دو جامعه ساده نیست، تابع توان آزمون محا...
متن کاملمقایسه بیزی و فراوانی گرا در آزمون فرض مربوط به میانگین توزیع نرمال چند متغیره
مقایسه ی آزمون های بیزی و معنی داری برای آزمون فرض های یک طرفه و دوطرفه به طور گسترده ای مورد توجه آماردانان قرار گرفته است. نتایج بسیاری از تحقیقاتی که تاکنون صورت گرفته است، نشان دهنده اختلاف بین معیار بیزی و معنی داری برای آزمون فرض های دوطرفه و توافق این معیارها برای آزمون فرض های یک طرفه می باشد. بسیاری از این تحقیقات مقایسه این آزمون ها را در مسائل یک بعدی و بدون پارامتر مزاحم مورد بررسی ...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده اقتصاد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023