معرفی پیشین فرایند دیریکله در چارچوب مدلهای بیزی ناپارامتری
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 18، شماره: 2
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 120
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISS-18-2_008
تاریخ نمایه سازی: 25 شهریور 1401
چکیده مقاله:
مدل های آماری برای شناخت مکانیزمی که داده ها از آن تولید شده، استفاده می شود. در بیشتر مدل ها فرض می شود متغیرهایتصادفی Y_{i}، i=۱,...,n، نمونه ای تصادفی از توزیع F هستند، که F متعلق به یک کلاس از خانواده توزیع های پارامتری است. اما در بسیاری از مسائل عملی نمی توان انتظار داشت که یک مدل پارامتری برای توصیف داده ها مناسب باشد. در این شرایط می توان فرض پارامتری را کنار گذاشت و از مدل های انعطاف پذیر و نیرومندتری برای تحلیل داده ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف پذیری حاصل می شود.بعبارت دیگر فرآیندهای تصادفی روی خانواده ای از توابع توزیع تعریف می شوند و بعنوان پیشین برای توزیع تصادفی بکار می روند. از جمله مهم ترین این پیشین ها فرآیند دیریکله است که دارای ویژگی های مهم و جالبی است، لذا در گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می گیرد. در این مقاله این فرآیند و خواص آن معرفی می شود.
کلیدواژه ها:
نویسندگان
عاطفه جاویدی
Tarbiat Modares University
سمیه راه پیما
Tarbiat Modares University
مجید جعفری خالدی
Tarbiat Modares University