gss公司

光滑样条方差分析模型(Smoothing spline ANOVA models)用随机数据进行非参数函数估计(又称平滑),已经被几代统计学家研究过。在最近大量的台式机和笔记本电脑计算能力的帮助下,平滑方法现在正被从业者应用到日常数据分析中。虽然有许多方法被证明是单变量平滑的成功方法,但在多变量环境中实用的方法要少得多。平滑样条方差分析模型是一个多功能的平滑方法,通过粗糙度惩罚,适用于单变量和多变量问题。在这本书中,作者提出了一个在统一框架下综合处理刑罚平滑的方法。开发了用于(i)高斯和非高斯响应以及截尾寿命数据的回归方法;(ii)各种抽样方案下的密度和条件密度估计;以及(iii)截尾寿命数据和协变量的危险率估计。统一的主题是一般的惩罚似然法和构造具有内建方差分析分解的多元模型。广泛的讨论致力于模型构建,平滑参数选择,计算和渐近收敛。书中讨论的大多数计算和数据分析工具都是用R实现的,R是流行的S/S-PLUS语言的开源克隆。回归代码已分发到R包gss中,可通过CRAN上的Internet免费获得,即综合R存档网络。并通过实例说明了该书的实际使用情况(资料来源:http://cran.r-project.org/web/packages)


zbMATH中的参考文献(引用于 258篇文章 引用,3标准条款)

显示第1到第20个结果,共258个。
按年份排序(引用)

1 2 ... 11 12 13 下一个

  1. Joseph Antonelli;Mazumdar,Maitreyi;Bellinger,David;Christiani,David;Wright,Robert;Coull,Brent:使用贝叶斯半参数回归和稀疏诱导先验估计环境混合物的健康影响(2020年)
  2. 巴特尔,费利克斯;希尔舍尔,拉尔夫;波茨,丹尼尔:谐波近似的快速交叉验证(2020)
  3. 陈,陈;廖启峰:高维随机计算模型的方差分析-高斯过程建模(2020)
  4. 高振国;杜振国;金,冉;罗伯逊,约翰L.:通过功能变异点分析进行肝脏采购的表面温度监测(2020年)
  5. 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)
  6. 托尔斯滕·霍霍恩:最有可能的转变:mlt包(2020)不是zbMATH
  7. 王建勇;于、韩:从产品测量看原始空间的尺度(2020)
  8. Wang,Lu;Xue,Lan;Yang,Lijian:形状约束下可加边界函数的估计(2020)
  9. Wood,Simon N.:广义加性模型及其扩展的推理与计算(2020)
  10. Zhao,Shi;Bakoyannis,Giorgos;Lourens,Spencer;Tu,Wanzhu:非线性曲线与曲面的比较(2020)
  11. 《利用贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯潘、贝叶斯林、贝叶斯
  12. 高振国;尚,左峰;杜,庞;罗伯逊,约翰L.:平稳变化平均趋势下的方差变化点检测及其在肝脏采购中的应用(2019)
  13. 郭正初;石磊:在线学习算法的快速强收敛(2019)
  14. Huang,Whitney K.;Cooley,Daniel S.;Ebert Uphoff,Imme;Chen,Chen;Chatterjee,Snigdhansu:极值依赖的新探索工具:(\chi)网络和年度极值网络(2019)
  15. Kim,Choongrak;Yang,Hojin:再生核Hilbert空间上核岭回归的诊断措施(2019)
  16. Kneib,Thomas;Klein,Nadja;Lang,Stefan;Umlauf,Nikolaus:模块回归——用于构建具有张量积交互作用的结构化加性分布回归模型的乐高系统(2019年)
  17. 石健;刘安娜;王月东:基于模型惩罚的样条密度估计与推断(2019)
  18. Stasinopoulos,M.D.;Rigby,R.A.;Heller,G.Z.;De Bastiani,F.:关于“模块回归——构建具有张量积交互作用的结构化加性分布回归模型的乐高系统”的评论(2019年)
  19. 谭志强;张存辉:高维数据加性回归中的双惩罚估计(2019)
  20. 图睿:通过预测内核校准调整计算机模型(2019年)

1 2 ... 11 12 13 下一个