GSS

平滑的样条ANOVA模型的非参数函数估计的随机数据，否则被称为平滑，已经研究了几代统计学家。在最近有足够的桌面和笔记本电脑计算能力的帮助下，平滑方法现在发现了他们的方式进入日常数据分析从业者。虽然多个方法已经证明是成功的单变量平滑，在多变量设置的实际远低于。平滑样条ANOVA模型是一种通用的平滑方法，通过粗糙度惩罚，适用于单变量和多变量问题。在本书中，作者在统一的框架下提出了惩罚平滑的综合处理方法。方法（I）用高斯和非高斯响应以及截尾寿命数据进行回归；（ii）在各种采样方案下的密度和条件密度估计；和（iii）截尾寿命数据和协变量的危险率估计。统一的主题是一般惩罚似然方法和多变量模型的构建与ANOVA分解。广泛讨论的模型构建，平滑参数选择，计算和渐近收敛。本书中讨论的大部分计算和数据分析工具都是在流行的S/S加语言的开源克隆R中实现的。回归代码已经分布在R包GSS中，可通过因特网在CRN（综合R档案网络）上自由地获得。GSS设施的使用在本书中通过模拟和真实数据示例来说明。来源HTTP://RANK.R项目）

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。

ZBMaX中的参考文献（240篇）3篇标准文章）

显示结果1至20的240。
按年份排序（引文）
  1. 弗朗索姆，德文；SANS，布鲁诺；BulaEvSkaya，Vera；卢卡斯，唐纳德；辛普森，马修：利用贝叶斯自适应样条推断大气实验中的大气释放特性（2019）
  2. 高，Zhenguo；Shang，左丰；杜，庞；罗伯森，John 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）
  3. 黄，Whitney K.；库勒，Daniel S.；Ebert Uphoff，IMME；陈，陈；SoigdhanSu：极值依赖的新探索工具：（\ chi）网络和年极值网络（2019）
  4. 基姆，Choongrak；杨，Hojin：再生核希尔伯特空间上核岭回归的诊断方法（2019）
  5. Kneib，托马斯；克莱因，Nadja；Lang，斯特凡；UMLAUF，Nikolaus：模回归——构造张量乘积相互作用的结构化加性分布回归模型的乐高系统（2019）
  6. 施，吉安；刘，安娜；王，粤东：样条密度估计和基于模型惩罚的推理（2019）
  7. Stasinopoulos，M. D.；里格比，R. A.；马塞尔·黑勒，G. Z.；De Bastiani，F.：“模块回归——一个构造张量乘积相互作用的结构化加性分布回归模型的乐高系统”（2019）
  8. Tan，Zhiqiang；张，Cun Hui：高维数据加性回归的双重惩罚估计（2019）
  9. TUO，RUI：通过投影核校准对计算机模型的调整（2019）
  10. Wong，Raymond K. W.；张，Xiaoke：泛函数据的非参数算子正则协方差函数估计（2019）
  11. 张，Tonglin；Mateu，豪尔赫：空间点过程的变电性（2019）
  12. Bernardi，Mara S.；卡蕾，米歇尔；拉姆齐，James O.；Sangali，Laura M.：利用偏微分正则化回归建模空间各向异性（2018）
  13. 博格诺沃，埃曼纽勒；巴扎德，Gregery T.；温德尔，Richard E.：线性规划灵敏度分析的整体公差方法（2018）
  14. 博格诺沃、埃曼纽勒、Morris、Max D.、Plischke、艾玛：多分布函数ANOVA：计算机实验灵敏度分析的启示（2018）
  15. 钱德拉，胡库姆；Salvati，尼古拉；钱伯斯，瑞：空间非线性模型下的小面积估计（2018）
  16. 查特拉，Suneel Babu；Shmueli，GalIT：COM Poisson回归和广义可加模型的有效估计（2018）
  17. 陈，春书；黄，Yi Tsz：样条光滑参数选取的若干特征（2018）
  18. 陈，Tianlei；杜，庞：具有加速失效和非参数形式协变量效应的混合治愈率模型（2018）
  19. 崔，温泉街道；程，Haoyang；Sun，Jiajing：一种基于RKHS的高维部分线性模型的双惩罚回归方法（2018）
  20. Hwang，Sangheum；Jeong，Myong K.：用变分推理分类的鲁棒相关向量机（2018）