مجموعه پذیرفتنی مدل های رقیب بر پایه مخاطره های کولبک لیب لر آمیخته

هدف از انتخاب مدل یافتن مدل بهینه است. در حالت کلی، مدل مناسب نتایج خوبی به دست می دهد و لذا بررسی معیارهای ارزیابی یک مدل ذهنی برای بررسی نیکویی مدل مناسب از اهمیت ویژه ای برخوردار است. در این مقاله هدف پاسخ به این سوال است که چگونه می توان مجموعه ای نامتناهی از همه ی مدل های مناسب برای داده ها را به مجموعه ای کوچک تر تبدیل کرد. در این مقاله، ترکیبی متناهی از معیاری شناخته شده در مساله ی انتخاب مدل برای پاسخ به این سوال در نظر گرفته شده است که هدف آن انتخاب یک مجموعه ی منطقی از مدل ها بر پایه ی اندازه ای از نزدیکی مدل انتخابی به مدل درست است. نشان می دهیم که رده ای بسیار کلی از معیارهای آماری، که آن را معیار کولبک لیب لر آمیخته ی متناهی می نامیم راهی برای نظریه ی انتخاب مدل فراهم می کند. دو نوع ضریب یکی بر پایه ی تابع چگالی و دیگری بر اساس تابع مخاطره برای معیار آمیخته در نظر گرفته شده است. نتایج شبیه سازی و تحلیل داده های واقعی نتایج نظری را تایید می کنند.