Expectation-Maximization Algoritmus

• Název práce v češtině: Expectation-Maximization Algoritmus
• Název v anglickém jazyce: Expectation-Maximization Algorithm
• Klíčová slova: EM algoritmus, maximální věrohodnost
• Klíčová slova anglicky: EM algorithm, maximum likelihood
• Akademický rok vypsání: 2012/2013
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
• Vedoucí / školitel: doc. RNDr. Michal Pešta, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 27.09.2012
• Datum zadání: 27.09.2012
• Datum potvrzení stud. oddělením: 04.12.2012
• Datum a čas obhajoby: 26.06.2013 00:00
• Datum odevzdání elektronické podoby: 23.05.2013
• Datum odevzdání tištěné podoby: 24.05.2013
• Datum proběhlé obhajoby: 26.06.2013
• Oponenti: doc. RNDr. Karel Zvára, CSc.

Zásady pro vypracování

An expectation-maximization (EM) algorithm is used in statistics for finding maximum likelihood estimates of parameters in probabilistic models, where the model depends on unobserved latent variables. EM alternates between performing an expectation (E) step, which computes an expectation of the likelihood by including the latent variables as if they were observed, and a maximization (M) step, which computes the maximum likelihood estimates of the parameters by maximizing the expected likelihood found on the E step. The parameters found on the M step are then used to begin another E step, and the process is repeated. (in English or Czech)

Seznam odborné literatury

[1] Dempster, Arthur; Laird, Nan; and Rubin, Donald (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society, Series B, Vol. 39, Issue 1, Pages 1-38.
[2] Hogg, Robert; McKean, Joseph; and Craig, Allen (2005). Introduction to Mathematical Statistics. Upper Saddle River, NJ: Pearson Prentice Hall.