Допустим, наблюдаемые данные являются выборкой, взятой из многомерного нормального распределения, и в них отсутствует значение. Я использую максимальное правдоподобие и оцениваю параметры.
Пример: у нас есть n независимых наблюдений (i = 1,…, n) по k переменным (yi1, yi2,…, yik) Предположим, что для конкретного наблюдения i первые две переменные, y1 и y2, имеют пропущенные данные, которые удовлетворяют предположению MAR.
"Совместная вероятность для этого наблюдения - это просто вероятность наблюдения оставшихся переменных от yi3 до yik. Если y1 и y2 дискретны, это суммарная вероятность выше суммируется по всем возможным значениям двух переменных с пропуская данные, получая предельную вероятность наблюдения тех переменных, которые действительно наблюдались ". - Может кто-нибудь объяснить, что это значит? 1) Почему оно суммируется по всем возможным значениям двух переменных с отсутствующими данными? 
После оценки параметров с использованием имеющихся данных, недостающие данные оцениваются на основе параметров, которые только что были оценены. Как происходит эта оценка? Может кто-нибудь привести пример.