کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6868753 1440034 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A simple and fast method for computing the Poisson binomial distribution function
ترجمه فارسی عنوان
یک روش ساده و سریع برای محاسبه توزیع دو طرفه پوآسون
کلمات کلیدی
دو طرفه پواسون، فروپاشی، تبدیل فوریه، مجموع برنولی انفرادی،
ترجمه چکیده
نشان داده شده است که تابع توزیع دو زبانه پوآسون می تواند به صورت کارآمد با استفاده از روش های پیچیده پیچیده محاسبه شود. توزیع دو جمله ای پواسون توضیح می دهد که چگونه مجموع متغیرهای تصادفی برونولینی مستقل اما نه یکسان توزیع شده است. با توجه به عدم موفقیت تابع توزیع دو زبانه پوآسون، روشهای کارآمد برای محاسبه آن در ادبیات آماری گذشته مورد توجه خاص بوده است. اولا نشان داده شده است که به سادگی و مستقیما با استفاده از تعریف تابع توزیع مجموع متغیرهای تصادفی می تواند عملکرد توزیع دو زبانه پوآسون را به صورت موثر محاسبه کند. پس از آن یک ساختار اصلاح شده ساختار ساختاری شکل کوواریانس تبدیل فوریه ارائه می شود که باعث افزایش بهره وری بیشتر می شود. هر دو رویکرد نشان داده شده است که از لحاظ دقت و سرعت، حالت فعلی هنر را بهتر کنند. سپس روش ها بر روی یک مثال پردازش تصویر داده واقعی به منظور نشان دادن مزایای بهره وری از روش های پیشنهادی در موارد عملی ارزیابی می شود. در نهایت، پسوند احتمالی برای استفاده از روشهای مبتنی بر کانولا برای محاسبه توابع توزیع دیگر مورد بحث قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
It is shown that the Poisson binomial distribution function can be efficiently calculated using simple convolution based methods. The Poisson binomial distribution describes how the sum of independent but not identically distributed Bernoulli random variables is distributed. Due to the intractability of the Poisson binomial distribution function, efficient methods for computing it have been of particular interest in past Statistical literature. First, it is demonstrated that simply and directly using the definition of the distribution function of a sum of random variables can calculate the Poisson binomial distribution function efficiently. A modified, tree structured Fourier transform convolution scheme is then presented, which provides even greater gains in efficiency. Both approaches are shown to outperform the current state of the art methods in terms of accuracy and speed. The methods are then evaluated on a real data image processing example in order to demonstrate the efficiency advantages of the proposed methods in practical cases. Finally, possible extensions for using convolution based methods to calculate other distribution functions are discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 122, June 2018, Pages 92-100
نویسندگان
, , ,