قباد برمال زن - Department of Statistics, University of Zabol University
عبدالرضا سیاره - Department of Statistics, Razi University

در تحلیل های آماری با یک نمونه تصادفی از یک جامعه با چگالی درست و نامعلوم روبرو هستیم. معمولا مدلی پارامتری به عنوان تقریبی از این چگالی در نظر گرفته می شود و استنباط براساس آن صورت می گیرد. به طور بدیهی مبایست چگالی پارامتری به چگالی درست نزدیک باشدتا به استنباط معتبر در مورد جامعه دست یافته شود. پیشنهاد یک مدل قطعی براساس تعداد محدودی از مشاهدات به عنوان تقریب یا برآوردی از چگالی درست موجب بروز ریسک بزرگی در انتخاب مدل برای جامعه خواهد شد. به همین دلیل چند مدل غیرآشیانی انتخاب و بررسی می شود که کدام مدل به چگالی درست داده ها نزدیک تر است . در این مقاله به بررسی این سوال اساسی در انتخاب مدل پرداخته شده است که چگونه می توان مجموعه ای از مدل های مناسب را برای چگالی درست به دست آورد. روشی پیشنهاد می شود تا نشان داده شود که براساس ریسک کولبک -لیبلر در هر خانواده از مدل های رقیب کدام یک از چگالی ها از لحاظ نزدیکی به چگالی درست معادل هستند . مجموعه تمام عضوهای این خانواده که از لحاظ نزدیکی به چگالی درست معادل هستند مجموعه مجاز نامیده می شود.

Candidate Model, Kullback-Leibler risk, Model selection, Non-nested Models, Quasi Maximum Likelihood Estimator, انتخاب مدل, ریسک کولبک - لیبلر, مدل های غیر آشیانی, برآوردگر شبه درستنمایی ماکسیمم, مدل های رقیب