دانلود ترجمه مقاله برآورد ماکسیمم درستنمایی انتظارات منظم از متغیرهای باینری همبسته – نشریه اسپرینگر

• فهرست مطالب:

 چکیده
۱ مقدمه
۲ بردارهای تصادفی دودویی
۳ برآورد محدود برای متغیرهای همبسته
۴ مسائل محاسباتی
۵ خواص ارزیاب با براورد کننده ( ارزیاب)
۶ مثال عددی
۷ نتیجه گیری

• بخشی از ترجمه:

۷ نتیجه گیری

روش پیشنهادی یک سری برآوردهایی را نسبت به روش های PAVA در اختیار می گذارد. در صورتی که عوامل محدود کننده به طور مستقیم براورد شود، تحقق و واقعی سازی ارزیاب واریانس را می توان با مقادیر معلوم برای مقایسه صحت روش های براورد مقایسه کرد. هم چنین، رویکرد تحلیلی تری برای ارزیابی خواص ارزیاب پیشنهادی در صورتی نیاز است که برخی از محدودیت های به خوبی براورده نشوند.
از دیدگاه فنی، یک محدودیت اصلی روش پیشنهادی بیشتر با مقیاس پذیری ضعیف نشان داده میشود زیرا تعداد متغیر های بهینه سازی به طور نمایی با R رشد میکنند. آستانه دقیق کاربرد بستگی به سخت افزار و نرم افزار داشته و تعیین صحیح آن سخت است. با این وجود، ارزیاب پیشنهادی باید برای بردار های دودویی با تعداد کم اجزا مفید باشد به خصوص در شرایطی که اندازه نمونه بزرگ انتظار رود. به نظر می رسد که بعد از اصلاحات اندک، رویکرد پیشنهادی را می توان برای رسیدکی به ترتیب غیر ساده پارامترهای براورد شده مورد استفاده قرار داد.

• بخشی از مقاله انگلیسی:

۷ Conclusions

The proposed procedure clearly produces different estimates than those obtained by PAVA. If the constraints are known to be satisfied strictly, realizations of proposed variance estimator may be compared with those known for PAVA to compare accuracy of both estimation procedures. Also, still more analytical research is needed to assess the properties of proposed estimator when some or all constraints are not satisfied strictly.

From the technical point of view an obvious limitation of the proposed approach lies in rather poor scalability, as the number of optimization variables grows exponentially with r. The exact threshold of applicability depends on available hardware and software and hence it is rather hard to be correctly pinpointed. Nevertheless, the proposed estimator should be useful for binary vectors with small number of components, especially in situations, where large sample size may be expected. It seems that after minor modifications the proposed approach might also be used to deal with non-simple orderings of estimated parameters.