en اندازه‌های اطلاع به کمک توابع مفصل عمومى General پژوهشي Research <p><span dir="RTL">در کاربردهایی از هندسه دیفرانسیل برای بررسی مسائلی از استنباط آماری، مفهوم تباعد (واگرایی) اغلب برای اندازه‌ی میزان جدایی بین دو تابع چگالی پارامتری به کار می‌رود. در این مقاله اندازه‌های اطلاع مانند کالبک لیبلر، واگرایی جفریز، هلینجر، تباعد (واگرایی)-آلفا، و &hellip; بیش‌تر مورد توجه خواهند بود. علاوه بر این ویژگی‌ها، نتایج مربوط به فاصله بین توزیع‌های احتمال با استفاده از توابع مفصل و برخی نامساوی‌های مفید را به کمک اندازه‌های اطلاع و وابستگی به دست آورده‌ایم.&nbsp;</span></p> <p style="margin-bottom:0cmmargin-bottom:.0001pt"><span style="font-size:10.0ptfont-family:">In applications of differential geometry to problems of parametric inference, the notion of divergence is often used to measure the separation between two parametric densities. Among them, in this paper, we will verify measures such as Kullback-Leibler information, J-divergence, Hellinger distance, -Divergence, &hellip; and so on. Properties and results related to distance between probability distributions derived via copula functions. Some inequalities are obtained in view of the dependence and information measures.<!--stripped--><!--stripped--></span></p> اندازه‌های اطلاع, اطلاع فیشر, اطلاع کالبک لیبلر, فاصله‌ی هلینجر, تباعد (واگرایی)-آلفا. Information measures, Fisher information, Kullback-Leibler information, Hellinger distance, α-divergence 47 60 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-73&slc_lang=en&sid=1 R. Mohtashami Borzadaran رضا محتشمی برزادران gmb1334@yahoo.com 1003194753284600629 1003194753284600629 Yes M. Amini محمد امینی 1003194753284600630 1003194753284600630 No