加迈尔

R包gamair:“GAMs:R简介”的数据。“广义可加模型:R导论”一书中使用的数据集和脚本,Wood(2006)CRC:本书的目的是全面介绍线性、广义线性、广义可加性和混合模型。此外,这本书包含了统计方法的理论基础的解释和统计建模的材料在R。这本书的写作是容易获得的,作者使用了一个相当顺利的方式,即使在先进的统计概念的情况下。这本书的目的是作为一个文本,从过去两年的本科数学/统计课程以上的学生和研究人员。先决条件是一门诚实的概率统计课程。最后,让我们注意到这本书包含了一些实例来说明理论和相应的练习。附录专门讨论一些矩阵代数。


zbMATH中的参考文献(参考文献317篇文章,1标准件)

显示317的结果1到20。
按年份排序(引用)

1 2 ... 14 15 16 下一个

  1. 克鲁斯,雷内-马塞尔;西尔伯斯多夫,亚历山大;Säfken,Benjamin:基于增广拉格朗日的线性混合模型的模型平均(2022)
  2. Rügamer,大卫;鲍曼,菲利普·F·M。;Greven,Sonja:加法和线性混合模型的选择性推理(2022)
  3. 艾伯哈德,威廉H。;坎托尼,伊娃;玛拉,詹皮耶罗;Radice,Rosalba:位置、比例和形状的广义加性模型的稳健拟合(2021)
  4. 伯杰,莫里茨;Tutz,Gerhard:计数数据的转换模型:固定分布模型的灵活替代(2021)
  5. 卡斯特罗卡米洛,丹尼拉;玛拉,琳达;托马斯奥普茨:极端热点推断的贝叶斯时空间隙填充:红海表面温度的应用(2021)
  6. 科雷亚,汉娜E。;Abebe,Asheber:广义加性模型的正则秩拟似然估计(2021)
  7. 德夫里恩特,桑德;安东尼奥,凯特伦;雷恩肯斯,汤姆;Verbelen,Roel:具有多类型正则化特征建模的稀疏回归(2021)
  8. 多德,埃伦古尔;福斯特,乔纳森J。;比亚克,雅库布;Smith,Peter W.F.:使用混合参数/半参数年龄段队列模型对死亡率改善的随机建模和预测(2021年)
  9. 格雷萨尼,奥斯瓦尔多;Lambert,Philippe:基于P样条的广义加性模型中快速贝叶斯推理的拉普拉斯近似(2021)
  10. 亨卡尔茨,罗尔;卡蒂,玛丽·皮尔;安东尼奥,凯特伦;Verbelen,Roel:用基于树的机器学习方法提高保险费率计划的洞察力(2021年)
  11. 他,瑶瑶;范惠玲;雷晓辉;万金红:基于B样条分位数回归和核密度估计的径流概率密度预测方法(2021)
  12. 胡克,吉尔斯;门奇,卢卡斯;周思宇:无限制排列力外推:变量重要性至少需要一个模型,或者没有自由变量重要性(2021)
  13. 全贞敏;平谷公园。;van Keilegom,Ingrid:非欧几里德反应和预测因子的加性回归(2021)
  14. 卡洛格里迪斯,约安尼斯;Van Aelst,Stefan:(M)-带辅助尺度估计的惩罚样条函数(2021)
  15. 考曼,哥兰;Ali,Mehboob:当设计缺失一些(昂贵)协变量时的半参数回归(2021年)
  16. 克莱恩,纳贾;卡兰,曼纽尔;克奈布,托马斯;朗,斯特凡;Wagner,Helga:结构化加性分布回归模型中的贝叶斯效应选择(2021)
  17. Kowal,Daniel R.:时序函数数据的动态回归模型(2021)
  18. Lambert,Philippe:在具有右删失和区间删失数据的非参数双加性位置尺度模型中使用拉普拉斯近似的快速贝叶斯推断(2021)
  19. 刘燕;吕明根;McMahan,Christopher S.:基于当前状态数据有效估计部分线性加性变换模型的惩罚似然法(2021)
  20. 马查多,罗布森·J·M。;范登豪特,阿多;Marra,Giampiero:区间删失数据多状态模型中的惩罚最大似然估计(2021)

1 2 ... 14 15 16 下一个