Kuljus, Kristi, juhendajaJakobson, EricTartu Ülikool. Matemaatika ja statistika instituutTartu Ülikool. Loodus- ja täppisteaduste valdkond2024-07-012024-07-012024https://hdl.handle.net/10062/100475Bakalaureusetöö eesmärk on tutvuda Kullback-Leibleri informatsioonimõõdu lähendamisel põhineva Akaike informatsioonikriteeriumiga ning uurida, millist täiendavat informatsiooni annab mudelite valideerimise kontekstis suurimate vahemike meetod. Töös vaadeldakse Kullback-Leibleri informatsiooni ja selle seost suurima tõepära meetodiga, käsitletakse Akaike informatsioonikriteeriumit ning sobitatakse andmetele erineva komponentide arvuga normaaljaotuste segujaotusi eesmärgiga tuvastada sobiv komponentide arv. Andmestikule segujaotuste sobitamisel selgus, et suurimate vahemike meetod andis selgema tulemuse sobivaima komponentide arvu valikul kui Akaike informatsioonikriteerium.etAttribution-NonCommercial-NoDerivs 3.0 EstoniaKullback-Leibleri informatsioonmudelite valideeriminenormaaljaotuste segudsuurimate vahemike meetodAkaike informatsioonikriteeriummodel validationGaussian mixture modelsmaximum spacing methodKullback-Leibler informationAkaike information criterionbakalaureusetöödvõrguväljaandedThesis