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.

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

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