2014 | OriginalPaper | Buchkapitel
Verteilungsklassen – statistische Modelle
verfasst von : Ludger Rüschendorf
Erschienen in: Mathematische Statistik
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Dieses Kapitel behandelt dominierte Verteilungsklassen und einige Eigenheiten von dominierten statistischen Modellen. Dominierte Verteilungsklassen lassen sich durch die im Vergleich zu Wahrscheinlichkeitsmaßen viel einfacheren Wahrscheinlichkeitsdichten beschreiben. Dieses führt auch in der Statistik zu starken Vereinfachungen und erweiterten Möglichkeiten zur Konstruktion von statistischen Verfahren (z.B. Maximum-Likelihood-Schätzer). Mittels geeigneter Metriken auf dem Raum der Wahrscheinlichkeitsmaße zeigen sich einige Zusammenhänge der Dominiertheit zur Separabilität dieses metrischen Raumes. Diese Zusammenhänge erweisen sich als grundlegend für die Entwicklung von einfachen Suffizienzkriterien in Kapitel 4. Abschätzungen der Metriken führen zu f.s. Konsistenzaussagen und zu 0-1-Gesetzen auf unendlichen Produkträumen. Wichtige Beispielklasse für dominierte Modelle sind die Exponentialfamilien. Wir beschreiben einige ihrer analytischen Eigenschafte und Gesetzmäßigkeiten. Abschließend führen wir Gibbsche Maße ein und diskutieren ihre Verwendung bei der Bildrekonstruktion mit Hilfe des Simulated Annealing Algorithmus.