[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: ::
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
یک معیار جدید انتخاب مدل مبتنی بر داده تاگی
صدیقه اسحقی، حسین باغیشنی ، دکتر نگار اقبال
چکیده:   (493 مشاهده)

یک چالش اساسی در استنباط مدل‌های آمیخته، معرفی معیارهای کارا برای انتخاب مدل است. منبع اصلی این چالش نیز برازش و محاسبه ماکسیمم تابع درستنمایی مدل می‌باشد. داده تاگی روش جدیدی است که برای برازش کارای مدل‌های آمیخته با روش ماکسیمم درستنمایی پیشنهاد شده است. این روش، اخیرا، طرفداران زیادی پیدا کرده است و مشکلات عمده سایر روش‌های استنباط مبتنی بر درستنمایی در مدل‌های آمیخته را ندارد. یکی از معایب این روش، عدم توانایی محاسبه مقدار ماکسیمم تابع درستنمایی است. این مقدار یک کمیت کلیدی در معرفی و محاسبه معیارهای انتخاب مدل محسوب می‌شود. بنابراین به‌نظر می‌رسد با روش داده تاگی نمی‌توان یک معیار اطلاع مناسب، به‌طور مستقیم، برای یافتن بهترین مدل در رده مدل‌های آمیخته، تعریف کرد. این پژوهش تلاشی است در جهت نقض این باور. در این مقاله، یک معیار مبتنی بر روش داده تاگی معرفی می‌شود و عملکرد آن در یک مطالعه شبیه‌سازی مورد ارزیابی قرار می‌گیرد.

واژه‌های کلیدی: الگوریتم MCMC، مدل آمیخته خطی تعمیم‌یافته، معیار انتخاب مدل، داده تاگی
متن کامل [PDF 4956 kb]   (93 دریافت)    
نوع مطالعه: پژوهشی بنیادی | موضوع مقاله: استنباط آماری
دریافت: ۱۳۹۵/۳/۲۸ | پذیرش: ۱۳۹۷/۱/۲۶ | انتشار: ۱۳۹۷/۱/۲۶
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print



برگشت به فهرست مقالات برگشت به فهرست نسخه ها
مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences
Persian site map - English site map - Created in 0.07 seconds with 31 queries by YEKTAWEB 3731