似然方程的数据判别量
摘要：最大似然估计(Maximum Likelihood Estimation, MLE)是统计学中的一个基本计算问题。该问题是在给定统计模型上的数据的情况下，最大化似然函数。对于这个问题，一种代数方法是求解一个结构化的参数化多项式系统，称为似然方程。对于一般的数据选择，似然方程的复数解的数量是有限的，并称为模型的MLE-度。只有似然方程的真实/正解才具有统计意义。然而，真实/正解的数量并不由MLE-度所表征。我们使用判别式来根据似然方程的真实/正解的数量对数据进行分类。我们将这些判别式称为数据-判别式(DD)。我们开发了一个概率算法来计算DD。实验结果表明，在我们尝试过的基准测试中，概率算法比标准的消元算法更高效。基于计算结果，我们讨论了3x3对称矩阵模型的实根分类问题。
作者：Jose Israel Rodriguez and Xiaoxian Tang
论文ID：1501.00334
分类：Symbolic Computation
分类简称：cs.SC
提交时间：2015-05-07