A general framework for maximizing likelihood under incomplete data

حداکثر احتمال یک رویکرد استاندارد برای محاسبه توزیع احتمالی است که بهترین مجموعه داده را دارد. با این حال، هنگامی که مجموعه داده ها ناقص یا حاوی داده های نامشخص است، یک مسئله مهم این است که به درستی تعریف تابع احتمال را به حداکثر رساندن. این مقاله به این واقعیت اشاره دارد که چندین توابع احتمال احتمال وجود دارد که بسته به اهدافی که باید مورد توجه قرار گیرند، در نظر گرفته شود، یعنی اینکه آیا رفتار فرایند اندازه گیری ناقص باعث ناتمام بودن می شود یا نه در مدل، و فرضیه های ما چیست می تواند یا دانش ما در مورد این فرآیند اندازه گیری را داشته باشد. رویکردهای مختلف ممکن است که با انتخاب تابع احتمال و / یا نگرش تحلیلگر در مقابل اطلاعات نامشخص مقایسه می شود در مورد نمونه ها، و برخی از نور بر روی ماهیت از راه حل های مربوطه رها می شود.