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。以及非截尾概率下的高斯概率和寿命估计方法（ii）以及非截尾概率下的寿命估计方法。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（引用于 277篇文章，3标准条款)

显示277个结果中的1到20个。
按年份排序(引用)

1 2 三 ... 12 13 14 下一个

  1. Kounchev，O.；Render，H.：二阶和四阶分段指数样条插值的误差估计（2021）
  2. 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）
  3. 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）
  4. 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）
  5. 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）
  6. 黄汉文；杨庆龙：基于边缘分类方法学习中泛化错误的大尺度分析（2020）
  7. Kounchev，O.；Render，H.；Tsachev，T.：关于一类4阶（L）-样条：插值和平滑的快速算法（2020）
  8. 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）
  9. 李婷；朱忠义：广义偏泛函线性回归的推论（2020）
  10. 刘美梅；尚作峰；程广：总体设计下的非参数分布式学习（2020）
  11. Mínguez，Román；Basile，Roberto；Durban，María：空间面板数据的另一种半参数模型（2020年）
  12. Spiegel，Elmar；Kneib，Thomas；Otto Sobotka，Fabian:时空预期回归模型（2020年）
  13. Sung，Chih Li；Wang，Wenjia；Plumley，Matthew；Haaland，Benjamin:大型多输入计算机实验的多分辨率函数方差分析（2020）
  14. 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）
  15. 托尔斯滕·霍霍恩：最有可能的转变：mlt包（2020）不是zbMATH
  16. 涂睿；王，严；吴春福：关于改进的Matérn型核岭回归的收敛速度及其在计算机模型校准中的应用（2020）
  17. 王建勇；于、韩：从产品测量看原始空间的尺度（2020）
  18. Wang，Lu；Xue，Lan；Yang，Lijian:形状约束下可加边界函数的估计（2020）
  19. 魏玉婷；方，比利；温赖特，马丁J.：从高斯到科尔莫戈洛夫：椭圆复杂性的局部化度量（2020）
  20. Wood，Simon N.：广义加性模型及其扩展的推理与计算（2020）

1 2 三 ... 12 13 14 下一个