Zobrazeno 1 - 10
of 1 262
pro vyhledávání: '"stochastic approximation expectation-maximization"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Frontiers in Psychology, Vol 13 (2022)
In the estimation of item response models, the normality of latent traits is frequently assumed. However, this assumption may be untenable in real testing. In contrast to the conventional three-parameter normal ogive (3PNO) model, a 3PNO model incorp
Externí odkaz:
https://doaj.org/article/78732f46d83b42ae9d251f5e78b2f4a3
On the curved exponential family in the Stochastic Approximation Expectation Maximization Algorithm.
Autor:
Debavelaere, Vianney1 (AUTHOR) vianney.debavelaere@polytechnique.edu, Allassonnière, Stéphanie2 (AUTHOR)
Publikováno v:
ESAIM: Probability & Statistics. 7/27/2021, Vol. 25, p408-432. 25p.
Publikováno v:
ESAIM: Probability and Statistics. 25:408-432
The Expectation-Maximization Algorithm (EM) is a widely used method allowing to estimate the maximum likelihood of models involving latent variables. When the Expectation step cannot be computed easily, one can use stochastic versions of the EM such
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::85f4729154aac855dfec94ff929bd7d1
https://doi.org/10.1051/ps/2021015
https://doi.org/10.1051/ps/2021015
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Psychometrika. 81:102-134
The past decade has evidenced the increased prevalence of irregularly spaced longitudinal data in social sciences. Clearly lacking, however, are modeling tools that allow researchers to fit dynamic models to irregularly spaced data, particularly data
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2ddbe1ed9958484ffd9a14e851286531
https://doi.org/10.1007/s11336-014-9431-z
https://doi.org/10.1007/s11336-014-9431-z
Publikováno v:
Statistics and Computing. 17:163-177
We introduce a class of spatial random effects models that have Markov random fields (MRF) as latent processes. Calculating the maximum likelihood estimates of unknown parameters in SREs is extremely difficult, because the normalizing factors of MRFs
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::f219174ca004386b737c9cfadbafe640
https://doi.org/10.1007/s11222-006-9012-9
https://doi.org/10.1007/s11222-006-9012-9
We propose a nonlinear mixed-effects framework to jointly model longitudinal and repeated time-to-event data. A parametric nonlin-ear mixed-effects model is used for the longitudinal observations and a parametric mixed-effects hazard model for repeat
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5f80c290798293e5ebd3acbbc7469879
