ScholarGate
Assistente
Machine learningEstimation

EM Algorithm

Imagine tentar aprender as regras de um jogo observando jogadores cujas cartas você não consegue ver. A cada rodada, você adivinha quais cartas eles provavelmente têm, com base no que observa, e então atualiza seu modelo das regras, assumindo que essas suposições estão corretas. O EM faz exatamente isso: o passo E preenche a informação ausente probabilisticamente usando as estimativas de parâmetros atuais, e o passo M reajusta o modelo como se esses valores preenchidos fossem observações reais.

Aplicar com StatMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. 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

Como citar esta página

ScholarGate. (2026, June 2). Expectation-Maximization Algorithm. ScholarGate. https://scholargate.app/pt/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.

Compare side by side

Referenciado por

ScholarGateEM Algorithm (Expectation-Maximization Algorithm). Recuperado em 2026-06-15 de https://scholargate.app/pt/statistics/em-algorithm · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026