انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 1 2 2019 02 20 EM algorithm based on fuzzy observations الگوریتم ‎EM مبتنی بر مشاهدات فازی 35 44 86071 20.1001.1.27174409.1397.1.2.3.6/DOR FA عباس پرچمی دانشگاه شهید باهنر کرمان، دانشکده ریاضی و کامپیوتر، بخش آمار Journal Article 2018 06 16 The EM algorithm is a powerful tool for estimating maximum accuracy based on incomplete data and has been discussed in most statistical inference books. Here, the meaning of the word "incomplete" is general, and in different situations it can mean a variety of meanings (such as missing data, interval data, censored observations, and the like).<br />This paper introduces a new application of the EM algorithm in which incomplete data refers to inaccurate / ambiguous / fuzzy data. Based on this type of ambiguous data, in this paper, the maximum likelihood estimate of the exponential distribution parameter is calculated using the EM algorithm in the form of a numerical example, and this example can be used to understand the material and also use the EM algorithm in the examples / modes. More complex, useful for graduate students based on fuzzy observations الگوریتم EM‏ ابزاری قدرتمند برای برآورد بیشترین درستنمایی مبتنی بر داده‌ های ناقص است و در اغلب کتاب‌ های استنباط آماری نیز مطرح شده است. در اینجا معنی کلمه ‎« ناقص »‎ حالتی کلی دارد و در موقعیت‌ های متفاوت می‌ تواند به معانی گوناگونی ( مانند داده‌ های گم شده، داده‌ های بازه‌ ای، مشاهدات سانسور شده و نظایر آنها ) دلالت داشته باشد. <br />این مقاله کاربردی جدیدی از الگوریتم EM را مطرح می‌ سازد که در آن منظور از داده‌ های ناقص داده‌های نادقیق / مبهم /فازی هستند. بر اساس این نوع داده‌ های مبهم، در این مقاله برآورد بیشینه درستنماییِ پارامتر توزیع نمایی به کمک الگوریتم EM در قالب یک مثال عددی محاسبه شده است و این مثال می‌ تواند به منظور فهم مطلب و نیز استفاده از الگوریتم EM در مثال‌ ها / حالت‌ های پیچیده‌ تر، برای دانشجویان تحصیلات تکمیلی مبتنی بر مشاهدات فازی مفید باشد. https://jfsa.fuzzy.ir/article_86071_75ffa91d02fb0ef932c8d84326bc4a4e.pdf