本文深入探讨了有限混合正态分布，利用EM算法进行参数估计和分解。通过一个实例，展示了如何用Mathematica实现EM算法，详细解释了算法过程和数学背景。
有限混合正态分布的
EM
算法
摘要
本文主要介绍了有限混合正态分布基本内容，并用极大似然估计的
EM
算法对其进行参数估计和分解
,
最后举了一
个例子并以
Mathematica
程序实现
EM
算法的具体应用。
关键字
混合正态分布
极大似然估计
EM
算法
Mathematica
一、算法介绍
有限混合正态分布自
19
世纪被提出后，人们试图用矩法，图形技术对其进行分解，随着计算机的出
现和发展，对混合正态分布研究转向分布参数的极大似然估计上来，
1977
年
Dempster
等提出了
EM
算法
并得以发展。
1
．数量性状表型值的有限混合正态分布
假定数量性状在某分离世代的表型值
X
为一随机变量，其概率密度为
1
1
2
2
(
)
(
)
(
)
(
)
k
k
f
x
a
f
x
a
f
x
a
f
x
(
1
)
其中
1
0,
1
k
t
t
t
a
a
，
(
)
t
f
x
为混合正态分布中第
t
个成分分布
2
(
,
)
t
t
N
的密度函数，
t
a
为其权重，
1,2,
,
t
k
，则称
X
所服从的分布为一有限混合正态分布。设混合分布的密度函数的参数向量为
2
2
2
1
2
1
2
1
2
(
,
,
,
,
,
,
,
,
,
,
)
k
k
k
k
a
a
a
(
2
)
则式(
1
)的参数形式为：
541
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
