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 289篇文章 参考,1标准件)

显示289个结果中的1到20个。
按年份排序(引用)

1 2 ... 13 14 15 下一个

  1. Brentnall,Adam R.;Cuzick,Jack:乳腺癌风险模型及其验证(2020)
  2. Caro,Eduardo;Juan,Jesús;Cara,Javier:短期电力负荷预测的周期相关模型(2020年)
  3. Lee,Gee Y.;Manski,Scott;Maiti,Tapabrata:单词嵌入模型的精算应用(2020)
  4. Lin,X.Sheldon;Yang,Shuai:具有多个基础资产的大型可变年金投资组合的有效动态对冲(2020)
  5. 李哲源;伍德,西蒙N.:具有离散协变量的大型广义线性模型的更快模型矩阵叉积(2020)
  6. Marra,Giampiero;Radice,Rosalba:基于Copula链接的右删失事件时间数据的加性模型(2020年)
  7. Martínez Hernández,以色列;Genton,Marc G.:复杂和空间相关功能数据的最新发展(2020年)
  8. Miller,David L.;Glennie,Richard;Seaton,Andrew E.:理解随机偏微分方程平滑方法(2020)
  9. 村上大辅;格里菲斯,丹尼尔A.:大空间数据的无记忆空间加性混合建模(2020)
  10. Otneim,Håkon;Jullum,Martin;Tjøtheim,Dag:Pairwise local Fisher和Naivey Bayes:改进两个标准判别法(2020年)
  11. Puth,Marie Therese;Tutz,Gerhard;Heim,Nils;Münster,Eva;Schmid,Matthias;Berger,Moritz:离散时间-事件模型中时变系数的基于树的建模(2020年)
  12. Razen,Alexander;Lang,Stefan:贝叶斯分布回归模型中的随机标度因子及其在房地产数据中的应用(2020)
  13. Reiss,Philip T.;Xu,Meng:张量积样条和函数主成分(2020)
  14. Schomaker,Michael;Heumann,Christian:何时何地不使用最优模型平均(2020)
  15. Spiegel,Elmar;Kneib,Thomas;Otto Sobotka,Fabian:时空预期回归模型(2020年)
  16. 孙金辉;杜,庞;苗,洪宇;梁,华:单一和混合类型数据的稳健特征筛选程序(2020年)
  17. 王海旭;曹继国:估计时变有向神经网络(2020)
  18. Wood,Simon N.:广义加性模型及其扩展的推理与计算(2020)
  19. Wood,Simon N.:关于“用广义加性模型及其扩展进行推理和计算”的反驳(2020)
  20. 张晓科;钟启贤;王珍玲:纵向协变量变系数加性模型的新方法(2020)

1 2 ... 13 14 15 下一个