AlR3

ALR3:数据伴随应用线性回归第三版,该软件包是教科书S.WeISBER(2005),“应用线性回归”,第三版,威利的同伴。它包括书中讨论的所有数据集(除了一个),以及一些适合于书中讨论的方法的函数。至于版本2.0.0,这个包依赖于CARE包。以前在ALR3中的许多功能已经改名,现在驻留在汽车中。对数据文件进行了简单修改,使某些数据列行标签。来源HTTP://RANK.R项目


ZBMaX中的参考文献(233篇)1标准条款

显示结果1至20的233。
按年份排序(引文
  1. 马蒂亚斯,Efftk哈里,雅利安;谢德格,西蒙;申克,奥拉夫:大规模稀疏逆协方差矩阵估计(2019)
  2. 程,冈;陈,Yen Chi:非自举的自举去偏估计(2019)
  3. Fang,Kuangnan;范,Xinyan;兰,伟;王,邴泉:应用于体脂肪数据的分数响应的非参数加性β回归(2019)
  4. 龚,Zhaohua;刘,崇阳;孙,Jie;TEO,Ko-Lay:分布稳健(LY1)-多元线性回归估计(2019)
  5. Negarestani,侯赛因;JAMALIZADH,AHAD;Saffei,Sobhan;Balakrishnan,NalayaasWaMy:正态分布的平均混合:性质、推断和应用(2019)
  6. Tsamardinos,Ioannis;Borboudakis,GioGOS;Katsogridakis,Pavlos;Pratikakis,PyvioOS;Chistofices,VasiLIS:一种高维大数据的贪婪特征选择算法(2019)
  7. W.,刘,W;布雷茨,F;Kiatsupaibul,Hayter;A. J.:线性回归残差置信的正常概率图(2018)
  8. Charitidou,E;Fouskakis,D.;Ntzoufras:I.目标贝叶斯变换和使用缺省贝叶斯因子的变量选择(2018)
  9. EKE,Daniel J.:多元线性回归模型的自举(2018)
  10. 伊丽莎白,我们可以相信高维度的引导吗?线性模型的实例(2018)
  11. 霍坎森,Jeffrey M.;康斯坦丁,Paul G.:利用变量投影的数据驱动多项式岭近似(2018)
  12. 贾马尔,Farrukh;AljaRah,Mohammad A.;Tahir,M. H.;纳西尔,M. Arslan:一个新的推广的广义分布族(2018)
  13. Lipponen,A;Hut屯,J. M. J.;RokkCaiimii,S.;科科拉,H.;Kolehmainen,V.:模拟中模型误差减少的修正(2018)
  14. 瑞德,史蒂芬;泰勒,乔纳森;Tibshirani,罗伯特:特征簇估计和推断的一般框架(2018)
  15. Rosenblad,安德烈亚斯:书评:J. J. Faraway,推广线性模型与R广义线性,混合效应和非参数回归模型。第二版(2018)
  16. Jha,Susmit;塞西亚,Sanjit A.:归纳学习的形式综合理论(2017)
  17. Savchuk,Olga Y.;HART,Jeffrey D.:回归函数的完全稳健单边交叉验证(2017)
  18. Vanneschi,列奥纳多:几何语义遗传程序设计导论(2017)
  19. Vujicic,Tijana;格拉斯,杰西;周,Fang;Obradovic,佐兰:有向图扩展的高斯条件随机场(2017)
  20. 王,陶;文,Xuerong Meggie;朱,李兴:分层倒数回归法估计多重群体收缩(2017)