版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、1948年,C. E. Shannon將熱力學(xué)系統(tǒng)中熵的概念引入到信息論中,標(biāo)志著現(xiàn)代信息論的誕生。隨后,Shannon熵的估計(jì)被應(yīng)用在工程學(xué)、生物醫(yī)藥學(xué)和生物化學(xué)等方面。
學(xué)者們?yōu)榱私鉀Q生活中的實(shí)際問題,又提出了其他不同形式的廣義熵,如Tsallis熵和Renyi熵。在統(tǒng)計(jì)分析中,廣義熵的應(yīng)用研究越來越受到學(xué)者們的關(guān)注。本文主要討論離散型隨機(jī)變量的廣義熵,將熵的估計(jì)由 Shannon熵推廣到 Tsallis熵和Renyi熵。
2、在Shannon熵極大似然估計(jì)方法的基礎(chǔ)上,得到Shannon熵的Bayes估計(jì)方法,并將其與極大似然估計(jì)方法進(jìn)行比較。進(jìn)一步,本文推導(dǎo)出廣義熵中具有代表性的Renyi熵和Tsallis熵的Bayes估計(jì)方法。
運(yùn)用 Matlab軟件,以概率(0.1,0.4,0.5)產(chǎn)生樣本容量為 N的隨機(jī)數(shù)。用每個(gè)數(shù)的頻率代替概率,得到傳統(tǒng)熵估計(jì)的極大似然估計(jì)方法。將每個(gè)數(shù)出現(xiàn)的相應(yīng)次數(shù),代入到Bayes估計(jì)式中。通過Matlab運(yùn)算出樣本
3、容量為N的Bayes估計(jì)值。改變N的大小,經(jīng)過多次試驗(yàn),得到一組極大似然估計(jì)值與Bayes估計(jì)值,并將兩種方法進(jìn)行比較。由誤差平方和可以看出 Shannon熵的Bayes估計(jì)效果更好一些,然而Tsallis熵的Bayes估計(jì)并沒有顯現(xiàn)出更好的效果??梢钥紤]改變q的值以及進(jìn)行大量的隨機(jī)試驗(yàn),再將Tsallis熵的Bayes估計(jì)方法與極大似然估計(jì)方法進(jìn)行對(duì)比。雖然廣義熵的Bayes估計(jì)方法并不一定是最優(yōu)的,但從廣義熵的應(yīng)用角度來看,仍具有一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 熵?fù)p失下單參數(shù)指數(shù)族的Bayes估計(jì).pdf
- 熵?fù)p失函數(shù)下幾種分布參數(shù)的Bayes估計(jì).pdf
- 參數(shù)的E Bayes估計(jì)和多層Bayes估計(jì).pdf
- 基于Bayes方法的非參數(shù)估計(jì).pdf
- GPLSI模型的Bayes估計(jì).pdf
- ARFMA模型的Bayes估計(jì).pdf
- 基于Bayes估計(jì)的催化劑失效判定方法.pdf
- 基于Bayes方法的VaR分位點(diǎn)的估計(jì)與檢驗(yàn).pdf
- Bayes估計(jì)的PPC優(yōu)良性.pdf
- 廣義修正Weibull分布參數(shù)的估計(jì)方法.pdf
- 特征加權(quán)的廣義熵模糊聚類方法研究.pdf
- 36510.廣義gaussmarkov模型參數(shù)的bayes線性無偏估計(jì)及優(yōu)良性研究
- 一類線性模型中參數(shù)的Bayes估計(jì)和經(jīng)驗(yàn)Bayes估計(jì)及其優(yōu)良性.pdf
- 瑞利分布的Bayes估計(jì)與極大似然估計(jì).pdf
- SLTBL模型的Bayes估計(jì)與子集選擇.pdf
- 幾類連續(xù)分布的E-Bayes估計(jì).pdf
- 水安全廣義熵智能綜合評(píng)價(jià)方法與應(yīng)用.pdf
- 廣義極值分布參數(shù)估計(jì)方法的比較分析.pdf
- 非參數(shù)回歸模型的Bayes估計(jì)方法及其應(yīng)用研究.pdf
- 26760.廣義熵的熵功率不等式
評(píng)論
0/150
提交評(píng)論