اندازه های اطلاع در جدول های توافقی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم ریاضی
- نویسنده زینب صباغی
- استاد راهنما ناصررضا ارقامی جعفر احمدی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
میزان تعجب حاصل از عدم وقوع پیشامد، به وسیله اندازه آنتروپی به صورت کمی بیان می شود. یکی از این اندازه ها را ابتدا شانون در سال 1948 بدست آورد. بعد از آن جینز در سال 1957 کاربرد این اندازه را در مکانیک آماری مورد بررسی قرار داد. همچنین در سال 1951 کولبک و لایبلر اندازه ای برای محاسبه فاصله بین دو تابع چگالی احتمال به دست آوردند. در این پایان نامه ابتدا به بررسی خصوصیات اندازه آنتروپی شانون می پردازیم، اینکه تحت چه اصولی، شانون اندازه آنتروپی را به دست آورد. سپس اصل ماکزیمم آنتروپی جینز را معرفی می کنیم. همان گونه که در بالا گفته شد این اصل ابتدا در مکانیک آماری بیان شد و سپس در زمینه های دیگر استنباط آماری نیز کاربرد پیدا کرد، از جمله اینکه می توانیم با داشتن تعدادی محدودیت، تابع چگالی احتمال را چه در حالت گسسته و چه در حالت پیوسته معین کرده، پارامترهای تابع چگالی احتمال برآورد شده را می توانیم برآورد کنیم. به همین ترتیب روی ویژگی های اندازه اطلاع کولبک- لایبلر بحث می کنیم. متناسب با اصل ماکزیمم آنتروپی جینز، اصل مینیمم اطلاع کولبک را داریم که این اصل را هم معرفی می کنیم. این اصل در برآورد تابع چگالی احتمال هایی که با استفاده از اصل ماکزیمم آنتروپی برآورد نمی شود، کاربرد دارد، ولی بیشتر برای تابع چگالی احتمال در حالت گسسته مورد استفاده قرار می گیرد. این اصل و اصل ماکزیمم آنتروپی کاربردهای زیادی در دیگر زمینه های علوم نیز دارد. از جمله، به کاربردهای این دو اصل در جداول توافقی می پردازیم. و در آخر به مطالعه اصل های معکوس ماکزیمم آنتروپی رامی پردازیم.
منابع مشابه
توسیع ایده ماکسیمم آنتروپی برای اندازه های اطلاع تعمیم یافته
آنتروپی رنی ماکسیمم و آنتروپی تیسالیس ماکسیمم توسیع ایده آنتروپی ماکسیمم به رده بزرگتری از آنتروپی شانون است. در این مقاله ضمن معرفی آنتروپی رنی ماکسیمم به برخی از توزیعهای خاص که آنتروپی رنی را ماکسیمم میکند، اشاره میشود. توزیعهای دارای آنتروپی رنی ماکسیمم به شکل توزیعهای توانی هستند. برخی از ویژگیهای توزیعهای توانی ارائه و نمایش جدیدی از آنتروپی رنی حاصل میشود. به بحث مینیمم اندازه ا...
متن کاملتعمیم های توزیع های گسسته و ویژگی های آنها برای اندازه اطلاع
در این مقاله نشان داده شده است برای رده توزیع های گسسته با مجموعه مقادیر صحیح، وقتی میانگین و واریانس روی مقادیر اعداد صحیح با تکیه گاه معلوم باشند، می توان قیاسی گسسته از توزیع نرمال را به وسیله آنتروپی ماکسیمم مشخصه سازی کرد، گشتاورها و آنتروپی های شانون و رنی را برای توزیع گسسته متقارن به دست آورد و نشان داد که حالت خاص این اندازه ها توزیع های نرمال و لاپلاس گسسته را نتیجه می دهند. آنگاه ...
متن کاملآزمون های استقلال در جدول های توافقی بر اساس معیار واگرایی فی
فرض اصلی مورد آزمون در جدول های توافقی فرض استقلال است. این فرض با آماره ی کلاسیک خی دوی پیرسون و آماره ی آزمون نسبت درستنمایی آزمون می شود. هر دوی این آماره ها بر اساس فاصله ی بین مقادیر مشاهده شده و مقادیر مورد انتظار، تحت فرض استقلال بنا شده اند و دارای توزیع تقریبی خی دو هستند. آماره های دیگری نیز می توان معرفی نمود که بر اساس معیار واگرایی فی ساخته می شوند. معیار واگرایی فی تعمیمی از فاصله...
15 صفحه اولمشخص 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.
متن کاملبرآوردهای بیز، شبه بیز و بیز تجربی در جدول های توافقی
در یک جدول توافقی با ابعاد زیاد، تعداد خانه ها اغلب بسیار بالا است در حالی که متوسط تعداد مشاهدات در هر خانه در بسیاری از مسائل عملی کوچک است ، و بنابراین بسیاری از خانه ها می توانند درایه های صفر داشته باشند. مایلیم که احتمالهای مربوط به این خانه ها را برآورد کنیم. اطلاعات اضافی در باره این احتمالها ممکن است از توزیع عمومی شمارشها یا از کناره ها در دسترس باشد. رهیافتهای بیزی روشهایی را برای بر...
15 صفحه اولمنابع 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 فردوسی مشهد - دانشکده علوم ریاضی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023