Bu tür bir problem Dobra ve ark. (2006) tarafından "Sabit Marjinal Toplamlarla Çok Yönlü Acil Durum Tablolarında Veri Büyütme" makalesinde incelenmiştir
. Let , modelin parametrelerinin göstermek izin n her biri için sayımların gözlemlenmeyen tamsayı tablosunu belirtmek ( x , y ) çifti ve izin Cıθn( x , y) marjinal sayısı eşit bir tamsayı tabloları grubu olduğu ( S , T ) . Daha sonra marjinal sayıları ( S , T ) gözlemleme olasılığı:
p (C( S, T)( S, T)( S, T)
; burada p ( n | θ ) çok terimli örnekleme dağılımıdır. Bu ML için olasılık fonksiyonunu tanımlar, ancak küçük problemler dışında doğrudan değerlendirme yapılamaz. Önerdikleri yaklaşım, n ve θ öğelerini dönüşümlü olarak güncellediğiniz MCMC'dir.
p ( S, T| θ)= ∑n ∈C( S, T)p ( n | θ )
p ( n | θ )nθbir teklif dağılımından örnek alarak ve Metropolis-Hastings kabul oranına göre değişikliği kabul ederek. Bu, Monte Carlo EM kullanılarak yaklaşık maksimum fazla
bulmak için uyarlanabilir .
θ
Farklı bir yaklaşım toplamı tahmin etmek için varyasyonel yöntemler kullanır . Marjinal kısıtlamalar bir faktör grafiği olarak kodlanabilir ve aşırı ference çıkarım Beklenti Yayılımı kullanılarak gerçekleştirilebilir.nθ
Bu sorunun neden zor olduğunu ve önemsiz bir çözümü kabul etmediğini görmek için durumunu düşünün . S almaS= ( 1 , 2 ) , T= ( 2 , 1 )S satır toplamlar gibi kolon toplamı olarak, sayımların iki olası tablolar şunlardır:
[ 0 1 2 0 ]T
Bu nedenle, olabilirlik fonksiyonu
p(S,T | İçeride ISTV melerin RWMAIWi'nin)=3 p 12 p 2 21 +6 s 11 s 21 s 22
, bu sorun, The MLE olan
p x , y
[ 0210][ 1101]
p ( S, T| θ)=3 p12p221+ 6 p11p21p22
p^x , y= [ 02 / 31 / 30]
soldaki tablonun varsayılmasına karşılık gelir. Buna karşın, bağımsız olduğu varsayılarak alacağı tahmindir
bu daha düşük bir olasılık değerine sahiptir.
qx , y= [ 1 / 32 / 3] [ 2 / 31 / 3] = [ 2 / 94 / 91 / 92 / 9]
maximum-entropy
Etiketi neden kullandınız ? Maksimum entropi çözümünden sonra mısınız?