|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
9 نتیجه برای آنتروپی
فاطمه عباس پور، غلامرضا محتشمی برزادران، یحیی محتشمی،
جلد 16، شماره 1 - ( 6-1390 )
چکیده
یکی از مباحثی که نقش مهمی در استنباط آماری دارد ، ماکسیمم کردن آنتروپی در یک کلاس از توزیع ها متناظر با یک سری محدودیت ها می باشد. در این راستا برخی از توزیع هایی که دارای آنتروپی ماکسیمم تحت محدودیت های معین می باشند را بدست می آوریم. ضمن معرفی برآوردگر آنتروپی ماکسیمم ، ارتباط این برآوردگر را با برآوردگر درستنمایی ماکسیمم مورد بررسی قرار می دهیم. در این ارتباط برنامه ای که کمک نرم افزار مطلب نوشته شده است ارائه می دهیم و به کمک چند مثال ارتباط این دو برآوردگر را روشن می کنیم.
جلد 17، شماره 2 - ( 12-1391 )
چکیده
در این مقاله خانواده ای جدید از توزیع ها با کاربرد فراوان در مهندسی مالی، معرفی شده است. این توزیع شامل توزیع های مهم آماری مانند توزیع مثلثی، توانی و یکنواخت است. ابتدا حالت خاصی از این توزیع در نطر گرفته شده و سپس ویژگی های مهم آن را بررسی نموده ایم. در پایان برآورد بیشینه درستنمایی را برای پارامترها به همراه مثال عددی ارائه می کنیم.
محمد بهرامی، فهیمه طورانی فرانی،
جلد 22، شماره 2 - ( 12-1396 )
چکیده
تعیین تعداد مؤلفه‌ها در یک توزیع آمیخته، مسئله‌ای دشوار و حائز اهمیت است. برای تعیین تعداد بهینه مؤلفه‌ها در توزیع‌های آمیخته، روش‌های مختلفی وجود دارد که در این مقاله به ذکر چند مورد از آنها خواهیم پرداخت. روش اول که تحت عنوان الگوریتمgreedy EM بیان شده، بر اساس الگوریتمی است که طی هر مرحله آن مؤلفه‌ای جدید به مدل اضافه میشود و این روند تا زمانیکه منجر به تعیین تعداد بهینه مؤلفه‌ها در توزیع آمیخته شود، ادامه می‌یابد. روش دوم بر اساس ماکسیمم آنتروپی ادغام در تکرار زیرکلاس‌های روی هم افتاده تا زمانی است که در نتیجۀ ادغام این مؤلفه‌ها، توزیع آمیخته مورد بررسی دارای یک مؤلفه شود. این روش با عنوان ادغام آمیختگی شرح داده شده است و روش سوم نیز توسط تعریف متغیرهای نشانگر، به‌صورت ناپارامتری تعداد مؤلفه‌های توزیع آمیخته را تعیین می‌کند. شایان ذکر است که مؤلفه‌های توزیع آمیخته مورد نظر در این مقاله توزیع تی-نرمال‌چوله در نظر گرفته شده‌اند.
دکتر مهدی شمس،
جلد 23، شماره 2 - ( 12-1397 )
چکیده
در این مقاله پس از معرفی خانوادۀ نمایی و تاریخچه‌ای از کارهای انجام شده توسط محققان در شاخه‌های مختلف آمار، به شرح کاربردهایی از این خانواده در استنباط آماری به‌ویژه در مسئله برآورد، آزمون‌های فرضیه آماری و مفاهیم نظریه اطلاع آماری پرداخته میشود.
آنیتا عبدالهی نانواپیشه، آزیتا عبدالهی نانواپیشه،
جلد 23، شماره 2 - ( 12-1397 )
چکیده
در این مقاله، یک توزیع جدید معرفی می‌گردد که تعمیمی از یک توزیع شناخته شده است. این توزیع انعطاف‌پذیر بوده و در مدل‌بندی داده‌های درآمد کاربرد دارد. در ابتدا برخی از ویژگی‌های ریاضی و توزیعی این الگوی جدید را ارائه می‌کنیم و سپس برای نشان دادن انعطاف‌پذیری توزیع جدید، کاربردهایی از این توزیع را با استفاده از داده‌های واقعی ارائه خواهد شد. نتایج برازش داده‌ها نیز مناسب بودن این الگوی جدید را برای مجموعه‌داده‌های واقعی در نظر گرفته شده تأیید می‌کنند.
شهرام یعقوب زاده شهرستانی، رضا زارعی،
جلد 25، شماره 1 - ( 11-1399 )
چکیده
هرگاه اطلاعاتی تقریبی و اولیه راجع به پارامتر نامعلوم یک توزیع در دسترس باشد، می‌توان از روش برآورد انقباضی برای برآورد آن استفاده نمود. در این مقاله ابتدا برآورد E -بیز پارامتر توزیع رایلی معکوس تحت تابع زیان آنتروپی عمومی به دست آورده شده و سپس به کمک مقدار حدسی پارامتر توزیع رایلی معکوس، برآورد انقباضی آن ارائه شده است. همچنین با استفاده از شبیه‌سازی مونت‌کارلو و یک مجموعه داده واقعی، برآورد انقباضی پیشنهادی با برآوردهای نااریب با کمترین واریانس و E -بیز بر اساس معیار کارایی نسبی، مقایسه میشود.
مهسا مرکانی، منیژه صانعی طبس، حبیب نادری، حامد احمد زاده، جواد جمال‌زاده،
جلد 26، شماره 2 - ( 12-1400 )
چکیده
هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت‌هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم‌یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه خیلی کم است و یا بین متغیرهای مستقل، هم‌خطی بالایی وجود داشته باشد قادر به برآورد پارامترهای مدل است و لذا روشی توانمندی است. در این پژوهش قصد بر آن است پارامترهای مدل لجستیک دودویی با به‌کارگیری آنتروپی تعمیم‌یافته ماکسیمم (GME) برآورد شود و نتایج آن با روش ماکسیمم درستنمایی (ML) براساس معیار میانگین مربعات خطا(MSE) مقایسه شود. بدین‌منظور نمونه‌ای تصادفی به حجم 399 نفر از اطلاعات مشتریان بانک مانند سن، شغل، وضعیت تأهل، میزان تحصیلات و وام به‌عنوان متغیرهای مستقل و تقاضای مشتری برای افتتاح حساب مدّت‌دار به‌عنوان متغیر وابسته جمع‌آوری شد. درنهایت با توجه به مقدار MSE نتیجه گرفته شد که روش GME نسبت به روش ML دقیق‌تر است.
دکتر منیژه صانعی طبس،
جلد 27، شماره 2 - ( 12-1401 )
چکیده
تحلیل رگرسیون به روش کمترین توان های دوم مستلزم برقراری فرضیات زیربنایی است. یکی از مسائلی که تحلیل رگرسیون به این روش را با مشکلات عمده مواجه می سازد وجود هم خطی در بین متغیرهای رگرسیونی است. روش های زیادی برای حل مشکلات ناشی از وجود هم خطی معرفی شده اند. یکی از این روش ها رگرسیون ستیغی است. در این مقاله یک برآورد جدید برای پارامتر ستیغی به کمک ماکسیمم آنتروپی تی سالیس تعمیم یافته ارائه داده وآن را برآوردگر ریج ماکسیمم آنتروپی تی سالیس مرتبه دو تعمیم یافته می نامیم. برای مجموعه داده های سیمان پرتلند که از هم خطی قوی برخوردار هستند و از سال ۱۳۳۲ ، برآوردگرهای مختلفی برای این داده ها ارائه شده است این برآورد گر را محاسبه و با برآوردگر ستیغی ماکسیمم آنتروپی تعمیم یافته و برآوردگر کمترین توان های دوم مقایسه می کنیم.
منیژه صانعی طبس، محمدحسین دهقان، فاطمه آشتاب،
جلد 28، شماره 1 - ( 6-1402 )
چکیده
واریانس و آنتروپی معیارهایی متمایز هستند که معمولاً برای اندازه گیری عدم قطعیت متغیرهای تصادفی استفاده می‌شوند. در حالی که واریانس نشان می‌دهد که چگونه یک متغیر تصادفی بیشتراز حد انتظارش گسترش می‌یابد، معیارآنتروپی عدم قطعیت یک رویکرد اطلاعاتی را اندازه گیری می‌کند به عبارت دیگر میانگین مقدار اطلاع یک متغیر تصادفی را اندازه گیری می‌کند.
برای دو توزیع یکنواخت و نرمال واریانس نسبتی از آنتروپی توانی است. یافتن یک چنین رابطه یکنوا بین واریانس و انتروپی برای یک کلاس بزرگتر از این دو توزیع اهمیت و کاربرد زیادی در پردازش سیگنال، یادگیری ماشین، تئوری اطلاعات و احتمال و آمار دارد
برای کم کردن خطاهای برآوردگرها مورد استفاده قرار می‌گیرد و یک راهبردی را انتخاب می‌کند که به طور متوسط بیشترین یا تقریباً بزرگ‌ترین کاهش در آنتروپی توزیع مکان هدف داشته باشد و اثربخشی این روش با استفاده از شبیه‌سازی‌ها با مدل‌های سنجش کاوی امتحان می‌شوند. در این مقاله کران بالای واریانس برای توزیع های تک مدی که دم آنها سنگین تر از دم توزیع نمایی است به کمک آنتروپی توانی ایجاد می گردد
|
|
|
|
|
|
|
|
|
