برآورد پارامتر در داده های غیر کامل با استفاده از الگوریتم em
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت معلم تهران - دانشکده علوم
- نویسنده محسن میرحسینی
- استاد راهنما عین الله پاشا
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1378
چکیده
یکی از روشهای برآورد پارامتر در حالتی که مشاهدات به طور کامل در دسترس باشند، روش برآورد ماکزیمم درستنمایی (maximum liklihood estimate) است . زمانی که مشاهدات به طور کامل موجود نباشد که فقدان قسمتی از داده ها ممکن است مقادیر گمشده و یا از مکانیزم سانسور کردن و ... ناشی شده باشد، بدست آوردن ماکزیمم درستنمایی (mle) کاربی بس دشوار است . الگوریتم em، یکی از ابزاری است که در این زمینه کارآیی وسیعی دارد. الگوریتم em، یک روش با تکرار است که در هر تکرار دو گام را شامل می شود: گام e (گام امید ریاضی): محاسبه q(, (k)) که: q((, (k)e (k) {log lc() y} گام m (گام ماکزیمم سازی): انتخاب (k+1) برای هر مقداری از که q(, (k)) را ماکزیمم کند. به عبارت دیگر: q((k+1), (k))>q(, (k) بحث پیرامون تئوری اساسی الگوریتم em و نرخ همگرایی آن بخشی از این پایان نامه را تشکیل می دهد. در ادمه برخی ویژگیهای الگوریتم em و انتقادی وارد بر آن را برمی شماریم و مباحثی دیگر درباره الگوریتم em را مورد بررسی قرار می دهیم.
منابع مشابه
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت معلم تهران - دانشکده علوم
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023