Написал сообщение в тусовке литература
0 4 Августа Ответить
Написал сообщение в тусовке литература
0 6 Июля Ответить
Написал сообщение в тусовке литература
0 27 Мая Ответить
Написал сообщение в тусовке литература
0 28 Апреля Ответить
Написал сообщение в тусовке литература
0 4 Апреля Ответить
Написал сообщение в тусовке
0 15 Марта Ответить
Написал сообщение в тусовке
0 15 Марта Ответить
Написал сообщение в тусовке
0 15 Марта Ответить
Написал сообщение в тусовке литература
0 24 Февраля Ответить
Написал сообщение в тусовке литература
0 20 Января Ответить
Написал сообщение в тусовке литература
0 17 Декабря 2021 Ответить
Написал сообщение в тусовке литература
0 22 Октября 2021 Ответить
Написал сообщение в тусовке литература
0 25 Августа 2021 Ответить
Написал сообщение в тусовке литература
0 28 Июля 2021 Ответить
Написал сообщение в тусовке литература
0 17 Июля 2021 Ответить
Написал сообщение в тусовке литература
0 10 Июня 2021 Ответить
Написал сообщение в тусовке литература
0 20 Апреля 2021 Ответить
Написал сообщение в тусовке литература
0 13 Апреля 2021 Ответить
Написал сообщение в тусовке литература
0 27 Февраля 2021 Ответить
Написал сообщение в тусовке литература
0 21 Февраля 2021 Ответить
Для быстрого поиска начните вводить запрос
Определение априорного распределения в байесовском анализе при наличии исходной информации, основанное на минимизации информационной метрики
от 152 руб.

В статье предлагается формальное правило, основанное на минимизации информационной метрики Кульбака–Лейблера, для определения априорного распределения при наличии информации, полученной из предыдущих наблюдений. В отличие от обычных предположений в эмпирическом байесовском анализе, в данной работе не требуется независимость параметров, рассматриваемых как случайные величины, соответствующие различным наблюдениям. Показано, что в случае, когда наблюдения, зависящие от параметра, и сам параметр распределены по нормальному закону, предлагаемое правило приводит к ML–II априорному распределению. Однако в случае регрессионного уравнения коэффициенты регрессии, полученные методом минимизации метрики Кульбака–Лейблера, отличаются от оценок, полученных при ML–II подходе. Также показано, что для нормальных распределений метрика Кульбака–Лейблера достигает асимптотически единственного минимума на истинном априорном распределении.

0.0
Ваша оценка 0.0 Отменить оценку
  • Год выхода
    2015
  • Издательства
    Синергия
  • Возраст
    12+
Персоны
Рецензии (0)
Авторизуйтесь чтобы писать рецензии. Все рецензии
Комментарии (0)
Авторизуйтесь чтобы оставлять комментарии.

Поделитесь с друзьями