مقاله ای از فرآیند دیریکله

معرفی پیشین فرآیند دیریکله در چارچوب مدل های بیزی ناپارامتری چکیده : مدل های آماری برای شناخت فرآیندی که داده ها از آن تولید شده ، استفاده می شود . در بیشتر مدل ها فرض می شود متغیرهای تصادفی i = 1,...,n,Yi ، نمونه ای تصادفی از توزیع F هستند ، که F متعلق به یک کلاس از خانواده ی توزیع های پارامتری است . اما در عمل همیشه نمی توان انتظار داشت که یک مدل پارامتری برای توصیف داده ها مناسب باشد . در این شرایط می توان مدل های پارامتری را کنار گذاشت و از مدل های انعطاف پذیر و نیرومند تری برای تحلیل داده ها استفاده کرد . در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع های احتمالی و در نظرگرفتن آن برای توزیع متغیر تصادفی این انعطاف پذیری حاصل می شود . به عبارت دیگر فرآیندهای تصادفی روی خانواده ای از توابع توزیع تعریف می شوند و بعنوان پیشین برای توزیع تصادفی به کار می روند . از جمله مهمترین این پیشین ها فرآیند دیریکله است که به دلیل برخورداری از ویژگی های مهم و جالب توجه در گستره ی وسیعی از  مسائل بیز ناپارامتری مورد استفاده قرار می گیرد . در این مقاله این فرآیند و خواص آن معرفی می شود. [gview file="https://khavarzadeh.com/wp-content/uploads/2016/06/مقاله-ای-از-فرآیند-دیریکله.pdf"]