RT - Journal Article T1 - Improved Kullback-Leibler Upper Bound Baised on Convex Combination of k Rival Models JF - JSS YR - 2011 JO - JSS VO - 4 IS - 2 UR - http://jss.irstat.ir/article-1-115-fa.html SP - 193 EP - 209 K1 - Convex Combination K1 - Geometric Mean K1 - Kullback-Leibler Risk K1 - Mixture of Models K1 - Model Selection K1 - Relative Error AB - یکی از مسایل اساسی در استنباط آماری انتخاب مدل بهینه از میان مدل های رقیب است. در این مقاله ثابت شده است که خطای نسبی بین دو مدل دارای خاصیت زبرجمعی است و با استفاده از آن نشان داده شده است که ترکیب محدب مدل های رقیب از نظر معیار واگرایی کولبک - لیبلر مدلی را ایجاد می کند که یا بهتر از تمام مدل های رقیب است و یا لااقل از دورترین مدل رقیب به مدل درست داده ها بهتر است بررسی شبیه سازی یافته های نظری را تایید می کنند LA eng UL http://jss.irstat.ir/article-1-115-fa.html M3 ER -