In [[statistica]], un '''algoritmo di aspettazione-massimizzazione''' o '''algoritmo ''expectation-maximization''''' ('''EM''')<ref>{{Cita pubblicazione|nome=A. P.|cognome=Dempster|nome2=N. M.|cognome2=Laird|nome3=D. B.|cognome3=Rubin|data=1977-09|titolo=Maximum Likelihood from Incomplete Data Via the EM Algorithm|rivista=Journal of the Royal Statistical Society: Series B (Methodological)|volume=39|numero=1|pp=1–221-22|accesso=2022-03-20|doi=10.1111/j.2517-6161.1977.tb01600.x|url=http://dx.doi.org/10.1111/j.2517-6161.1977.tb01600.x}}</ref><ref>{{Cita pubblicazione|nome=Richard A.|cognome=Redner|nome2=Homer F.|cognome2=Walker|data=1984-04|titolo=Mixture Densities, Maximum Likelihood and the EM Algorithm|rivista=SIAM Review|volume=26|numero=2|pp=195–239195-239|accesso=2022-03-21|doi=10.1137/1026034|url=http://dx.doi.org/10.1137/1026034}}</ref> è un [[metodo iterativo]] per trovare [[Stima|stime]] (locali) di [[Metodo della massima verosimiglianza|massima verosimiglianza]] (o le [[Stima del massimo a posteriori|stime del massimo a posteriori]]) dei [[Parametro (statistica)|parametri]] di modelli statistici che dipendono da [[Variabile casuale|variabili latenti]] (non osservate). L'iterazione di EM alterna l'esecuzione di un passo detto ''expectation'' (E), che crea una funzione per il [[valore atteso]] della verosimiglianza logaritmica calcolata usando la stima dei parametri corrente, e un passo detto ''maximization'' (M), che calcola nuove stime dei parametri massimizzando la [[Funzione di verosimiglianza|funzione di verosimiglianza logaritmica]] attesa trovata al passo ''E''. Tali stime dei parametri possono poi essere usate per determinare la distribuzione delle variabili latenti al passo E dell'iterata successiva.
