رگرسیون آمیخته متناهی براساس توزیع چوله-لاپلاس

فرض سنتی نرمالیتی، فرض پذیرفته ی قالب بر اکثر مدلسازی های آماری است اما در واقعیت اغلب این فرض محقق نشده و ساختار مشاهدات چوله،کشیده و دارای دمهای ضخیم است. علاوه براین شرایطی وجود دارد که مشاهدات دارای ساختاری چندمدی و از چندین زیرجوامع با ویژگی های متفاوتتشکیل شده است. در اینگونه شرایط استفاده از تحلیل های مبتنی بر فرض نرمالیتی نتایج قابل قبولی را ارئه نمی دهند. در این پژوهش مدلسازیرگرسیون های آمیخته مورد توجه قرار گرفته است و فرض شده است که زیرجوامع دارای ویژگیهای غیرنرمال هستند، به همین دلیل از توزیع چوله-لاپلاس در مدلسازی ها استفاده شده و برازش مدل از طریق رهیافت فراوانیگرایانه صورت گرفته است. نتایج مدلسازی با داده های شبیه سازی و داده هایواقعی نشان میدهند، زمانی که که میتوان مدل رگرسیون آمیخته چوله-لاپلاس کارایی بهتری نسبت به مدل رگرسیون لاپلاس دارد.

Keywords:

رگرسیون آمیخته , الگوریتم EM , توزیع لاپلاس , توزیع چوله-لاپلاس