Algorisme EM
L'algorisme Expectation-Maximization (EM) és un procediment iteratiu d'optimització per trobar estimacions de màxima versemblança o màxima a posteriori dels paràmetres en models estadístics amb variables latents o dades faltants. Introduït per Dempster, Laird i Rubin en el seu article fonamental de 1977, EM alterna entre el càlcul de la log-versemblança esperada de les dades completes (pas E) i la seva maximització respecte als paràmetres (pas M), garantint una versemblança monòtonament no decreixent a cada iteració.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B, 39(1), 1–38. DOI: 10.1111/j.2517-6161.1977.tb01600.x ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/ca/statistics/em-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Estimació de màxima versemblançaEstadística↔ compare
- MICEEstadística↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →