• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Navegar

    Todo o repositórioComunidadesPor data do documentoAutoresAssuntosTítulos

    Minha conta

    Entrar

    Estatística

    Ver as estatísticas de uso

    Compartir

    Ver item 
    •   Página inicial
    • PRODUÇÃO CIENTÍFICA
    • Departamentos
    • Dpto. Estadística e Investigación Operativa
    • DEP24 - Otros Documentos (Monografías, Informes, Memorias, Documentos de Trabajo, etc)
    • Ver item
    •   Página inicial
    • PRODUÇÃO CIENTÍFICA
    • Departamentos
    • Dpto. Estadística e Investigación Operativa
    • DEP24 - Otros Documentos (Monografías, Informes, Memorias, Documentos de Trabajo, etc)
    • Ver item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/5966

    Título
    Avoiding Spurious Local Maximizers in Mixture Modeling
    Autor
    García Escudero, Luis ÁngelAutoridad UVA Orcid
    Gordaliza Ramos, AlfonsoAutoridad UVA Orcid
    Matrán Bea, CarlosAutoridad UVA Orcid
    Mayo Iscar, AgustínAutoridad UVA Orcid
    Editor
    Universidad de ValladolidAutoridad UVA
    Año del Documento
    2014
    Descripción
    Producción Científica
    Resumo
    The maximum likelihood estimation in the finite mixture of distributions setting is an ill-posed problem that is treatable, in practice, through the EM algorithm. However, the existence of spurious solutions (singularities and non-interesting local maximizers) makes difficult to find sensible mixture fits for non-expert practitioners. In this work, a constrained mixture fitting approach is presented with the aim of overcoming the troubles introduced by spurious solutions. Sound mathematical support is provided and, which is more relevant in practice, a feasible algorithm is also given. This algorithm allows for monitoring solutions in terms of the constant involved in the restrictions, which yields a natural way to discard spurious solutions and a valuable tool for data analysts.
    Materias (normalizadas)
    Statistics
    Departamento
    Estadística e IO
    Idioma
    spa
    URI
    http://uvadoc.uva.es/handle/10324/5966
    Derechos
    openAccess
    Aparece en las colecciones
    • DEP24 - Otros Documentos (Monografías, Informes, Memorias, Documentos de Trabajo, etc) [9]
    Mostrar registro completo
    Arquivos deste item
    Nombre:
    avoiding_spurious.pdf
    Tamaño:
    496.6Kb
    Formato:
    Adobe PDF
    Descripción:
    Articulo
    Thumbnail
    Visualizar/Abrir
    Nombre:
    avoiding_spurious.pdf
    Tamaño:
    496.6Kb
    Formato:
    Adobe PDF
    Descripción:
    Articulo
    Thumbnail
    Visualizar/Abrir
    Attribution 4.0 InternationalExceto quando indicado o contrário, a licença deste item é descrito como Attribution 4.0 International

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10