基于不完全数据的最大似然估计方法——EM算法

被引:3
作者
李顺静
机构
[1] 重庆工商大学数学与统计学院
关键词
最大似然估计; EM算法; 缺失数据机制;
D O I
暂无
中图分类号
O212.1 [一般数理统计];
学科分类号
020208 ; 070103 ; 0714 ;
摘要
由于最大似然估计的理论基础比较简单,所以在实际应用中较为广泛。但随着应用领域的范围不断扩大,其面临的问题也逐渐增多,当模型中存在隐含的未观测变量或者是观测的数据不完整时,用最大似然估计来处理相反会使问题变得更为复杂。这时最大似然估计在计算方面就产生了一种新的有效的迭代方法即EM算法。详细分析了最大似然估计及EM算法的相关理论及应用,主要的特点是在分析EM算法前提下给出了缺失数据机制这一概念,为EM算法的引入做了很好的铺垫。
引用
收藏
页码:29 / 33
页数:5
相关论文
共 8 条
[1]   关于条件概率及其应用教学方法的研究 [J].
宋明珠 .
重庆工商大学学报(自然科学版), 2013, 30 (01) :31-34
[2]   EM算法的研究 [J].
曾传璜 ;
张鑫 ;
张晶晶 ;
王宏渊 .
软件导刊, 2008, (09) :97-98
[3]   对极大似然估计中几个问题的探讨 [J].
费绍金 .
四川文理学院学报, 2008, (05) :1-3
[4]   极大似然法的基本思想及其应用 [J].
陈文清 .
韶关大学学报(自然科学版), 1996, (04) :24-27
[5]  
基于EM算法的约束条件下参数的估计[D]. 孟丽新.东北师范大学. 2006
[6]  
EM算法的改进及其在基因序列分析中的应用[D]. 林鸿.福州大学. 2006
[7]  
计算统计[M]. 人民邮电出版社 , (美) 吉文斯 (Givens, 2009
[8]  
高等数理统计[M]. 北京大学出版社 , 苏良军, 2007