On an optimization problem arising from probability density estimation.

Título inglés	On an optimization problem arising from probability density estimation.
Título español	Sobre un problema de optimización surgido en estimación de la densidad de probabilidad.
Autor/es	Basu, Sankar ; Ullah Khan, Mohammad Saif ; Micchelli, C.A. ; Olsen, Peder A.
Organización	IBM T.J. Watson Res. Cent., New York, Estados Unidos;Norwegian Univ. Sci. Technol., Trondheim, Noruega;Dep. Mat. Statist. State Univ. New York, Albany (New York), Estados Unidos;IBM T.J. Watson Res. Cent. Yorktown Heights, New York, Estados Unidos
Revista	1578-7303
Publicación	2002, 96 (2): 139-156, 18 Ref.
Tipo de documento	articulo
Idioma	Inglés
Resumen español	Consideramos una clase de problemas de optimización que surgen en estimaciones de la densidad de datos en dimensión elevada a partir de proyecciones en subespacios de dimensión más baja. Los criterios que se usan para la selección óptima del modelo son máxima entropía y máxima verosimilitud. En cada caso nuestro planteamiento requiere estimadores de la densidad univariados y a este respecto exploramos el uso de modelos mezcla de densidades gaussianas y de estimadores de Parzen para los datos proyectados. Se usa una estrategia de maximización de la esperanza para actualizar medias y covarianzas como en Dempster et al. [7]. Sin embargo el cálculo de las direcciones óptimas conduce a interesantes problemas de optimización no lineal que son el núcleo del presente trabajo. Se estudian analíticamente algunos casos particulares de este problema de optimización y se propone un algoritmo para resolver numéricamente el caso general. Se presenta evidencia numérica, sobre datos procedentes de reconocimiento del lenguaje y sobre datos generados sintéticamente, que avala la eficacia del método propuesto.
Clasificación UNESCO	120601
Palabras clave español	Optimización ; Algoritmos numéricos ; Principio de máxima entropía ; Estimador de máxima verosimilitud ; Función densidad de probabilidad
Código MathReviews	MR1968129
Acceso al artículo completo