Vraisemblance maximale à partir de données incomplètes via l'algorithme EM

Résumé Un algorithme largement applicable pour calculer des estimations de vraisemblance maximale à partir de données incomplètes est présenté à différents niveaux de généralité. La théorie montrant le comportement monotone de la vraisemblance et la convergence de l'algorithme est dérivée. De nombreux exemples sont esquissés, y compris des situations de valeurs manquantes, des applications à des données regroupées, censurées ou tronquées, des modèles de mélange fini, l'estimation des composantes de variance, l'estimation des hyperparamètres, les moindres carrés itérativement réévalués et l'analyse factorielle.