کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10526159 | 958435 | 2005 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A new type of parameter estimation algorithm for missing data problems
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آمار و احتمال
پیش نمایش صفحه اول مقاله
![عکس صفحه اول مقاله: A new type of parameter estimation algorithm for missing data problems A new type of parameter estimation algorithm for missing data problems](/preview/png/10526159.png)
چکیده انگلیسی
The expectation-maximization (EM) algorithm is often used in maximum likelihood (ML) estimation problems with missing data. However, EM can be rather slow to converge. In this communication we introduce a new algorithm for parameter estimation problems with missing data, which we call equalization-maximization (EqM) (for reasons to be explained later). We derive the EqM algorithm in a general context and illustrate its use in the specific case of Gaussian autoregressive time series with a varying amount of missing observations. In the presented examples, EqM outperforms EM in terms of computational speed, at a comparable estimation performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Statistics & Probability Letters - Volume 75, Issue 3, 1 December 2005, Pages 219-229
Journal: Statistics & Probability Letters - Volume 75, Issue 3, 1 December 2005, Pages 219-229
نویسندگان
Petre Stoica, Luzhou Xu, Jian Li,