GSM网络

Gamma-Shape-mixed:这个包实现了一个Bayesian方法来估计Gamma分布的混合,其中混合发生在形状参数上。该族为重尾分布的建模提供了一种灵活新颖的方法,计算效率高,只需为单个参数指定一个先验分布。


zbMATH中的参考文献(参考文献14条)

显示第1至14个结果,共14个。
按年份排序(引用)

  1. 年轻,德里克S。;陈曦;赫瓦格,迪鲁克什C。;Nilo Poyanco,Ricardo:伽马分布的有限混合:估计、推断和基于模型的聚类(2019)
  2. 李、孟;施瓦茨曼,阿明:多变量高斯混合模型的标准化和脑肿瘤PET图像的背景调整(2018)
  3. 马赫迪·泰穆里;马赫迪·托尔希齐;阿德尔·穆罕默德;Saralees Nadarajah:alphastable:多元稳定和对称稳定分布混合建模的R包(2018)阿尔十四
  4. 泰穆里,马哈迪;萨哈伊德;Mohammadpour,Adel:对称稳定混合模型的EM算法(2018)
  5. 穆萨尔,拉西姆M。;Ekin,Tahir:医疗超额支付估计:贝叶斯方法(2017)
  6. Villa,Cristiano:重尾观测广义帕累托分布阈值的贝叶斯估计(2017)
  7. 陈嘉华;李绍庭;谭显明:双参数伽马混合模型的惩罚极大似然估计的一致性(2016)
  8. 雷巴夫卡,T。;Roueff,F.:使用多项式对混合密度的非参数估计(2015年)
  9. 卢比奥,F。J、 。;钢,M。F。J、 :具有两段比例和形状分布的偏度和峰度的贝叶斯建模(2015)
  10. 文图里尼,塞尔吉奥;多米尼克,弗朗西丝卡;Parmigiani,Giovanni:广义分位数治疗效应:使用分位数比率平滑的灵活贝叶斯方法(2015)
  11. 崔凯:重尾和偏态数据的半参数高斯方差平均混合(2012)
  12. 特里帕,洛伦佐;Parmigiani,Giovanni:癌症体细胞突变研究中的错误发现率(2011)
  13. 卡瓦略,亚历山德拉十世。;Skoulakis,Georgios:广义(t)专家的时间序列混合:ML估计及其在股票收益密度预测中的应用(2010)
  14. 文图里尼,塞尔吉奥;多米尼克,弗朗西丝卡;Parmigiani,Giovanni:重尾分布的伽马形状混合(2008)