Algoritmo EM
L'algoritmo Expectation-Maximization (EM) è una procedura iterativa di ottimizzazione per la ricerca delle stime di massima verosimiglianza o di massimo a posteriori dei parametri in modelli statistici con variabili latenti o dati mancanti. Introdotto da Dempster, Laird e Rubin nel loro fondamentale articolo del 1977, l'EM alterna il calcolo della log-verosimiglianza attesa dei dati completi (E-step) e la sua massimizzazione rispetto ai parametri (M-step), garantendo una verosimiglianza monotona non decrescente ad ogni iterazione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/it/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.
- Stima di Massima VerosimiglianzaStatistica↔ compare
- MICEStatistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →