Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2010.13139v1

帮助 | 高级搜索

数学 > 统计理论

arXiv:2010.13139v1 (math)
[提交于 2020年10月25日 ]

标题: 最大等级抽样不等样本的累积Tsallis熵

标题: Cumulative Tsallis Entropy for Maximum Ranked Set Sampling with Unequal Samples

Authors:S. Tahmasebi, M. Longobardi, M.R. Kazemi, M. Alizadeh
摘要: 在本文中,我们从Tsallis熵的角度考虑最大排序集抽样过程与不等样本(MRSSU)的信息内容,Tsallis熵是Shannon熵的一种非加性推广。 我们获得了Tsallis熵的几个结果,包括界限、单调性质、随机序以及在一些假设下的紧界。 我们还比较了MRSSU与其在简单随机抽样(SRS)数据中的对应情况的不确定性与信息内容。 最后,我们根据MRSSU和SRS数据的累积Tsallis熵和剩余Tsallis熵,得出了某些特征结果。
摘要: In this paper, we consider the information content of maximum ranked set sampling procedure with unequal samples (MRSSU) in terms of Tsallis entropy which is a nonadditive generalization of Shannon entropy. We obtain several results of Tsallis entropy including bounds, monotonic properties, stochastic orders, and sharp bounds under some assumptions. We also compare the uncertainty and information content of MRSSU with its counterpart in the simple random sampling (SRS) data. Finally, we develop some characterization results in terms of cumulative Tsallis entropy and residual Tsallis entropy of MRSSU and SRS data.
主题: 统计理论 (math.ST)
引用方式: arXiv:2010.13139 [math.ST]
  (或者 arXiv:2010.13139v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2010.13139
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1016/j.physa.2020.124763
链接到相关资源的 DOI

提交历史

来自: Maria Longobardi Prof.Dr. [查看电子邮件]
[v1] 星期日, 2020 年 10 月 25 日 15:35:18 UTC (25 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-10
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号