T için kapalı form yoktur, ancak çok sezgisel ve kararlı bir yaklaşım EM algoritmasıdır. Artık öğrenci normal bir ölçek karışımı olduğu için modelinizi şu şekilde yazabilirsiniz.
yben= μ + eben
burada ve . Bu, şartlı olarak , , sadece ağırlıklı ortalama ve standart sapma olduğu anlamına gelir. Bu "M" adımıdırw i ∼ G a ( νeben| σ, wben∼ N( 0 , σ2w- 1ben)wiwben∼ G a ( ν2, ν2)wben
μ^= ∑benwbenybenΣbenwben
σ^2=∑benwben( yben- μ^)2n
Şimdi "E" adımı yerine tüm verileri verdiği beklentisiyle değiştiriyor . Bu şöyle verilir:wben
w^ben= ( ν+ 1 ) σ2νσ2+ ( yben- μ )2
bu yüzden yukarıdaki iki adımı yineleyerek her denklemin “sağ tarafını” mevcut parametre tahminleriyle değiştirirsiniz.
Büyük artıklar gözlemler konum hesaplama daha az ağırlık alma gibi bu çok kolay bir T dağılımı sağlamlığı özelliklerini göstermektedir hesaplanmasında ve sınırlı etkisi . "Sınırlı etki" ile , bu gözlemden için yapılan tahminin katkısının verilen bir eşiği geçemediği anlamına gelir (bu EM algoritmasında ). Ayrıca , artan (azalan) , daha fazla (daha az) eşit ağırlık ve dolayısıyla daha fazla (daha az) aykırı hassasiyet ile sonuçlanacak şekilde bir "sağlamlık" parametresidir .σ 2 σ 2 ( ν + 1 ) σ 2 O l d ν νμσ2σ2( ν+ 1 ) σ2O l dνν
Unutulmaması gereken bir şey, günlük olabilirlik işlevinin birden fazla durağan noktaya sahip olabileceğidir, bu nedenle EM algoritması global bir mod yerine yerel bir moda dönüşebilir. Yerel modlar, konum parametresi bir denetleyiciye çok yakın başlatıldığında ortaya çıkar. Yani ortancadan başlamak, bundan kaçınmak için iyi bir yoldur.