TL;DR
- چکیده:.
- توزیع دوجملهای منفی بهطور گستردهای بهعنوان یک مدل انعطاف پذیرتر از توزیع پواسون برای دادههای.
- شمارش استفاده شده است.
چه اتفاقی افتاد
چکیده:. توزیع دوجملهای منفی بهطور گستردهای بهعنوان یک مدل انعطاف پذیرتر از توزیع پواسون برای دادههای.
شمارش استفاده شده است. با این حال،.
زمانی که فرآیند تولید داده واقعی پواسون باشد،. اغلب تشخیص آن از توزیع دوجملهای منفی با مقادیر پارامتر بسیار چالش برانگیز است و رویههای.
تخمین حداکثر احتمال موجود برای توزیع دو جملهای منفی ممکن است با شکست مواجه شوند یا برآوردهای. ناپایدار ایجاد کنند.
برای پرداختن به این موضوع،. ما یک الگوریتم جدید برای محاسبه تخمین حداکثر احتمال پارامترهای دوجملهای منفی ایجاد میکنیم که کارآمدتر و دقیقتر.
از روشهای موجود است. ما بیشتر توزیعهای دو جملهای منفی را با یک پارامتر جدید گسترش میدهیم تا توزیعهای پواسون را بهعنوان.
یک کلاس خاص پوشش دهیم. ما توجیهات نظری ارائه میکنیم که نشان میدهد،.
هنگام اعمال بر دادههای پواسون،. پارامترهای برآورد شده توزیع دوجملهای منفی توسعه یافته میتواند بهطور مداوم توزیع پواسون واقعی را بازیابی.
کند. صفحه، 3 شکل، 15 جدول نظریه آمار (math.
ST); محاسبات (stat. CO) استناد بهعنوان: (یا v4 [math.
ST] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Jie Yang [مشاهده ایمیل] [v1] پنجشنبه،. 11 آوریل 2024،.
ساعت 03:. 34:.
00 UTC (20 KB) [v2] جمعه،. 3 ژانویه 2025،.
ساعت 22:. 03:.
41 UTC (30 کیلوبایت) [v3] یکشنبه،. 30 نوامبر 2025،.
21:. 37:.
32 UTC (154 KB) [v4] دوشنبه،. 6 آوریل 2026،.
04:. 20:.
06 UTC (154 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.