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。研究了（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；（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。书中通过模拟和实际数据实例说明了gss设施的使用。(资料来源：http://cran.r-project.org/web/packages)

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献284篇,3标准条款)

显示284个结果中的1到20个。
按年份排序(引用)

1 2 三 ... 13 14 15 下一个

  1. 巴林托，安德烈斯福。；Canale，Antonio:回归的贝叶斯拟合优度检验（2021）
  2. 费希尔，迈克尔；Scaglioni，Andrea:有限元自适应随机配置的收敛性（2021）
  3. 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）
  4. 库切夫，O。；Render，H.：二阶和四阶分段指数样条插值的误差估计（2021）
  5. 林俊红；Cevher，Volkan:随机投影的核共轭梯度法（2021）
  6. 李文玉；赫德，阿伦；奥勒鲁克，詹姆斯；帕卡德，安德鲁；Frenklach，Michael:表示绑定数据协作中的模型差异（2021）
  7. 孙晓晓；钟文轩；马平：大样本平滑样条方差分析模型的渐近经验平滑参数选择方法（2021）
  8. 安东内利，约瑟夫；Mazumdar，弥勒依；贝林格，大卫；克里斯蒂安尼，大卫；赖特，罗伯特；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）
  9. 巴特尔，费利克斯；希尔舍尔，拉尔夫；Daniel Potts:谐波近似中的快速交叉验证（2020）
  10. 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）
  11. 高振国；杜邦；金，冉；Robertson，John L.：通过功能变化点分析进行肝脏采购中的表面温度监测（2020年）
  12. 黄汉文；杨青龙：基于边缘分类方法的学习中泛化错误的大规模分析（2020）
  13. 库切夫，O。；渲染，H。；Tsachev，T.：关于一类4阶（L）-样条：插值和平滑的快速算法（2020）
  14. Lamboni，Matieyendou:不确定性量化：非标准化Sobol'指数的最小方差无偏（联合）估计（2020年）
  15. 李婷；朱忠义：广义偏泛函线性回归的推论（2020）
  16. 刘美美；商、左峰；程广：总体设计下的非参数分布式学习（2020）
  17. 刘艳艳；毛、光彩；赵兴秋：截尾生存数据下非参数回归的局部渐近推断（2020）
  18. Mínguez，罗曼；巴兹尔，罗伯托；Durban，María:空间面板数据的另一种半参数模型（2020年）
  19. 明镜，埃尔玛；克奈布，托马斯；Otto Sobotka，Fabian:时空预期回归模型（2020）
  20. 宋芝丽；王文佳；普卢姆利，马修；本杰明哈兰：大规模多输入计算机实验的多分辨率函数方差分析（2020）

1 2 三 ... 13 14 15 下一个