پایش نیمرخ بیزی در حضور متغیر پنهان: مسئله پرتاب نیزک

به طور معمول، پایش نیمرخ از طریق نمودارهای کنترل صورت می گیرد و در اغلب آنها، متغیر پاسخ، قابل مشاهده است. در این مقاله، با مسئله مشابهی مواجهیم که در آن به جای مشاهده بردار پاسخ، مقادیر تابع پاداش را مشاهده می کنیم که برای تقریب به ذهن از مدل پرتاب نیزک استفاده کرده ایم. با فرض وجود حداکثر یک نقطه تغییر، دنباله ای مستقل از امتیازهای حاصل از پرتاب، مشاهده می شود و برآورد پارامتر دقت پرتابها و نقطه تغییر (در صورت وجود)، با دو رویکرد فراوانی گرا و بیزی ارائه ‎‎می شوند. در هر دو رویکرد، دو حالت ممکن پارامتر اسکالر دقت و ماتریس دقت، به تفکیک بررسی شده اند. نتایج ارائه شده از طریق یک مطالعه عددی بررسی شده اند و این روشها روی داده های واقعی حاصل از پرتاب، پیاده شده اند.

Keywords:

change-point , EM algorithm , Gibbs sampler , latent variable , MCMC algorithm , mixture distribution. , الگوریتم EM , الگوریتم MCMC , توزیع آمیخته , متغیر پنهان , نقطه تغییر , نمونه گیر گیبز.