不完全多元正态数据的均值和协方差
[Mean,Covariance] = ecmnmle(Data,InitMethod,MaxIterations,Tolerance,Mean0,Covar0)
[Mean,Covariance] = ecmnmle(Data,InitMethod,MaxIterations,Tolerance,Mean0,Covar0)
估计一个数据集的平均值和协方差。如果数据集有缺失值,本例程实现了经过Sexton和Swensen[3]改进的孟和Rubin[2]的ECM算法。ECM代表期望条件最大化, Dempster, Laird, Rubin的EM算法[4]的条件最大化形式。
这个例程有两种操作模式。
该模式没有输出参数,显示ECM算法的收敛性。它估计并绘制ECM算法每次迭代的目标函数值,直到终止,如下图所示。
显示模式可确定麦克斯特
而且宽容
价值观或作为诊断工具。目标函数是观测数据的负对数似然函数,收敛到最大似然估计对应于目标的最小化。
通过输出参数,该模式通过ECM算法估计平均值和协方差。
看一个如何使用的例子ecmnmle
,运行程序ecmguidemo
.
[1]利特尔,罗德里克J. A.和唐纳德B.鲁宾。缺失数据的统计分析。第二版。约翰·威利父子公司,2002年。
[2]孟,小李和唐纳德·b·鲁宾。“通过ECM算法的最大似然估计。”生物统计学。第80卷,1993年第2期,第267-278页。
塞克斯顿,乔和安德斯·赖格·斯文森。以EM速率收敛的ECM算法生物统计学。第87卷第3期,2000年,第651-662页。
[4]邓普斯特,a.p., n.m.莱尔德,唐纳德·b·鲁宾。“通过EM算法从不完全数据中获得最大似然”皇家统计学会杂志。B辑,第39卷,1977年第1期,第1 - 37页。