روش های شبه درستنمایی برای فرآیندهای نقطه ای فضایی
چکیده
فرآیندهای نقطه ای گیبز به عنوان مدل هایی برای انواع الگوهای نقطه ای، مخصوصا الگوهایی با بازداری، به کار گرفته می شوند که منظم نر از فرآیندهای کاملا تصادفی هستن. این مدل ها هم نامانایی فضایی و هم وابستگی بین نقاط را تشریح می کنند. برای الگوی نقطه ای مشخص، فرض بر این است که این الگو از مدل فرآیند گیبز پیروی می کند و با این فرض، هدق ما برآورد پارامترهای مدل می باشد. عموما محاسبه و پیدا کردن ماکزیمم درستنمایی فرآیندهای نفطه ای بسیار مشکل است. حتی مدل های خانواده نمایی ساده مانند فرآیندهای اثر متقابل زوجی یک ثابت نرمال ساز را شامل می شوند که تابعی پیچیده از می باشد. یک جایگزین برای تابع درستنمایی، تابع شبه درستنمایی است. روش مورد بحث ما روش ماکزیمم شبه درستنایی است. هر چند که به طور مختصر روش ماکزیمم درستنمایی را نیز معرفی می کنیم. در این جا روش برمن و ترنر برای یافتن برآورد ماکزیمم شبه درستنمایی (mple) فرآیندهای نقطه ای گیبز با تابع شدت شرطی نمایی، تشریح می شود.