تعیین کران ‌های واریانس توزیع ‌های تک‌ مدی دم سنگین به کمک آنتروپی توانی

واریانس و آنتروپی معیارهایی متمایز هستند که معمولاً برای اندازه گیری عدم قطعیت متغیرهای تصادفی استفاده می‌شوند. در حالی که واریانس نشان می‌دهد که چگونه یک متغیر تصادفی بیشتراز حد انتظارش گسترش می‌یابد، معیارآنتروپی عدم قطعیت یک رویکرد اطلاعاتی را اندازه گیری می‌کند به عبارت دیگر میانگین مقدار اطلاع یک متغیر تصادفی را اندازه گیری می‌کند. برای دو توزیع یکنواخت و نرمال واریانس نسبتی از آنتروپی توانی است. یافتن یک چنین رابطه یکنوا بین واریانس و انتروپی برای یک کلاس بزرگتر از این دو توزیع اهمیت و کاربرد زیادی در پردازش سیگنال، یادگیری ماشین، تئوری اطلاعات و احتمال و آمار دارد .

determining the variance boundaries of single-mode distributions using power entropy

variance and entropy are distinct metrics that are commonly used to measure the uncertainty of random variables. while the variance shows how a random variable spreads more than expected, the entropy measure measures the uncertainty of an information approach, in other words, it measures the average amount of information of a random variable. for both uniform and normal distributions, variance is a ratio of power entropy. finding such a monotonic relationship between variance and entropy for a larger class of these two distributions is very important and useful in signal processing, machine learning, information theory, probability and statistics, for example, it is used to reduce the errors of estimators and choose a strategy. gives, on average, the greatest or nearly greatest reduction in the entropy of the distribution of the target location, and the effectiveness of this method is tested using simulations with mining assay models. in this article, the upper bound of the variance for single-mode distributions whose tails are heavier than the tails of exponential distributions is created with the help of power entropy.