معرفی پیشین فرایند دیریکله در چارچوب مدلهای بیزی ناپارامتری
Publish place: Iranian Statistical Society، Vol: 18، Issue: 2
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 107
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISS-18-2_008
تاریخ نمایه سازی: 25 شهریور 1401
Abstract:
مدل های آماری برای شناخت مکانیزمی که داده ها از آن تولید شده، استفاده می شود. در بیشتر مدل ها فرض می شود متغیرهایتصادفی Y_{i}، i=۱,...,n، نمونه ای تصادفی از توزیع F هستند، که F متعلق به یک کلاس از خانواده توزیع های پارامتری است. اما در بسیاری از مسائل عملی نمی توان انتظار داشت که یک مدل پارامتری برای توصیف داده ها مناسب باشد. در این شرایط می توان فرض پارامتری را کنار گذاشت و از مدل های انعطاف پذیر و نیرومندتری برای تحلیل داده ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف پذیری حاصل می شود.بعبارت دیگر فرآیندهای تصادفی روی خانواده ای از توابع توزیع تعریف می شوند و بعنوان پیشین برای توزیع تصادفی بکار می روند. از جمله مهم ترین این پیشین ها فرآیند دیریکله است که دارای ویژگی های مهم و جالبی است، لذا در گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می گیرد. در این مقاله این فرآیند و خواص آن معرفی می شود.
Keywords:
Authors
عاطفه جاویدی
Tarbiat Modares University
سمیه راه پیما
Tarbiat Modares University
مجید جعفری خالدی
Tarbiat Modares University