Indexaxión 519.2
519 EstadÃstica y probabilidadesDocumentos en la biblioteca con la clasificación 519.2 (119)
Hacer una sugerencia Refinar búsqueda
TÃtulo : Advanced Linear Modeling : Statistical Learning and Dependent Data Tipo de documento: documento electrónico Autores: Christensen, Ronald, Autor Mención de edición: 3 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXIII, 608 p. 76 ilustraciones, 6 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-29164-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades Matemáticas EstadÃsticas TeorÃa de probabilidad Matemática Computacional y Análisis Numérico TeorÃa y métodos estadÃsticos Ãndice Dewey: 519.2 Resumen: Ahora en su tercera edición, este volumen complementario de Respuestas planas a preguntas complejas de Ronald Christensen utiliza tres conceptos fundamentales de la teorÃa de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadÃstico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje EstadÃstico se profundiza en la regresión no paramétrica, la estimación penalizada (regularización), la reproducción de espacios de Hilbert del kernel, el truco del kernel y las máquinas de vectores de soporte. Para los datos dependientes, utiliza la teorÃa de modelos lineales para examinar modelos lineales generales, modelos lineales mixtos, series temporales, datos espaciales, modelos lineales multivariados (generalizados), discriminación y reducción de dimensiones. Si bien se hacen numerosas referencias a Plane Answers a lo largo del volumen, el modelado lineal avanzado se puede utilizar por sà solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en lÃnea. Nota de contenido: 1. Nonparametric Regression -- 2. Penalized Estimation -- 3. Reproducing Kernel Hilbert Spaces -- 4. Covariance Parameter Estimation -- 5. Mixed Models and Variance Components -- 6. Frequency Analysis of Time Series -- 7. Time Domain Analysis -- 8. Linear Models for Spacial Data: Kriging -- 9. Multivariate Linear Models: General. 10. Multivariate Linear Models: Applications -- 11. Generalized Multivariate Linear Models and Longitudinal Data -- 12. Discrimination and Allocation -- 13. Binary Discrimination and Regression -- 14. Principal Components, Classical Multidimensional Scaling, and Factor Analysis -- A Mathematical Background -- B Best Linear Predictors -- C Residual Maximum Likelihood -- Index -- Author Index. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Linear Modeling : Statistical Learning and Dependent Data [documento electrónico] / Christensen, Ronald, Autor . - 3 ed. . - [s.l.] : Springer, 2019 . - XXIII, 608 p. 76 ilustraciones, 6 ilustraciones en color.
ISBN : 978-3-030-29164-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Probabilidades Matemáticas EstadÃsticas TeorÃa de probabilidad Matemática Computacional y Análisis Numérico TeorÃa y métodos estadÃsticos Ãndice Dewey: 519.2 Resumen: Ahora en su tercera edición, este volumen complementario de Respuestas planas a preguntas complejas de Ronald Christensen utiliza tres conceptos fundamentales de la teorÃa de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadÃstico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje EstadÃstico se profundiza en la regresión no paramétrica, la estimación penalizada (regularización), la reproducción de espacios de Hilbert del kernel, el truco del kernel y las máquinas de vectores de soporte. Para los datos dependientes, utiliza la teorÃa de modelos lineales para examinar modelos lineales generales, modelos lineales mixtos, series temporales, datos espaciales, modelos lineales multivariados (generalizados), discriminación y reducción de dimensiones. Si bien se hacen numerosas referencias a Plane Answers a lo largo del volumen, el modelado lineal avanzado se puede utilizar por sà solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en lÃnea. Nota de contenido: 1. Nonparametric Regression -- 2. Penalized Estimation -- 3. Reproducing Kernel Hilbert Spaces -- 4. Covariance Parameter Estimation -- 5. Mixed Models and Variance Components -- 6. Frequency Analysis of Time Series -- 7. Time Domain Analysis -- 8. Linear Models for Spacial Data: Kriging -- 9. Multivariate Linear Models: General. 10. Multivariate Linear Models: Applications -- 11. Generalized Multivariate Linear Models and Longitudinal Data -- 12. Discrimination and Allocation -- 13. Binary Discrimination and Regression -- 14. Principal Components, Classical Multidimensional Scaling, and Factor Analysis -- A Mathematical Background -- B Best Linear Predictors -- C Residual Maximum Likelihood -- Index -- Author Index. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advances in Probability and Mathematical Statistics / Hernándezâ€Hernández, Daniel ; Leonardi, Florencia ; Mena, Ramsés H. ; Pardo Millán, Juan Carlos
TÃtulo : Advances in Probability and Mathematical Statistics : CLAPEM 2019, Mérida, Mexico Tipo de documento: documento electrónico Autores: Hernándezâ€Hernández, Daniel, ; Leonardi, Florencia, ; Mena, Ramsés H., ; Pardo Millán, Juan Carlos, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: IX, 174 p. 14 ilustraciones, 12 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-85325-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades TeorÃa de probabilidad Ãndice Dewey: 519.2 Resumen: Este volumen contiene artÃculos que fueron presentados en el XV Congreso Latinoamericano de Probabilidad y EstadÃstica Matemática (CLAPEM) en diciembre de 2019 en Mérida-Yucatán, México. Representan bien el amplio conjunto de temas sobre probabilidad y estadÃstica que se cubrieron en este congreso, y su alta calidad y variedad ilustran el rico programa académico de la conferencia. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advances in Probability and Mathematical Statistics : CLAPEM 2019, Mérida, Mexico [documento electrónico] / Hernándezâ€Hernández, Daniel, ; Leonardi, Florencia, ; Mena, Ramsés H., ; Pardo Millán, Juan Carlos, . - 1 ed. . - [s.l.] : Springer, 2021 . - IX, 174 p. 14 ilustraciones, 12 ilustraciones en color.
ISBN : 978-3-030-85325-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Probabilidades TeorÃa de probabilidad Ãndice Dewey: 519.2 Resumen: Este volumen contiene artÃculos que fueron presentados en el XV Congreso Latinoamericano de Probabilidad y EstadÃstica Matemática (CLAPEM) en diciembre de 2019 en Mérida-Yucatán, México. Representan bien el amplio conjunto de temas sobre probabilidad y estadÃstica que se cubrieron en este congreso, y su alta calidad y variedad ilustran el rico programa académico de la conferencia. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
TÃtulo : Algorithms and Programs of Dynamic Mixture Estimation : Unified Approach to Different Types of Components Tipo de documento: documento electrónico Autores: Nagy, Ivan, Autor ; Suzdaleva, Evgenia, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XI, 113 p. 27 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-64671-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades EstadÃsticas teorÃa del sistema TeorÃa del control Simulación por ordenador Algoritmos TeorÃa de probabilidad TeorÃa y métodos estadÃsticos TeorÃa de Sistemas Control Modelado por computadora Ãndice Dewey: 519.2 Resumen: Este libro proporciona una base teórica general para la construcción de algoritmos de estimación bayesianos recursivos para modelos mixtos. Recopila los algoritmos recursivos para estimar mezclas dinámicas de varias distribuciones y los trae en forma unificada, proporcionando un esquema para construir el algoritmo de estimación para una mezcla de componentes modelados por distribuciones con estadÃsticas reproducibles. Ofrece la estimación recursiva de mezclas dinámicas, libres de procesos iterativos y lo más cercanas posible a soluciones analÃticas. Además, estos métodos se pueden utilizar en lÃnea y realizar simultáneamente aprendizaje, lo que mejora su eficiencia durante la estimación. El libro incluye códigos de programa detallados para resolver las tareas teóricas presentadas. Los códigos se implementan en la plataforma de código abierto para cálculos de ingenierÃa. Los códigos de programa proporcionados sirven para ilustrar la teorÃa y demostrar el trabajo de los algoritmos incluidos. Nota de contenido: Introduction -- Basic Models -- Statistical Analysis of Dynamic Mixtures -- Dynamic Mixture Estimation -- Program Codes -- Experiments -- Appendices. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Algorithms and Programs of Dynamic Mixture Estimation : Unified Approach to Different Types of Components [documento electrónico] / Nagy, Ivan, Autor ; Suzdaleva, Evgenia, Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XI, 113 p. 27 ilustraciones en color.
ISBN : 978-3-319-64671-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Probabilidades EstadÃsticas teorÃa del sistema TeorÃa del control Simulación por ordenador Algoritmos TeorÃa de probabilidad TeorÃa y métodos estadÃsticos TeorÃa de Sistemas Control Modelado por computadora Ãndice Dewey: 519.2 Resumen: Este libro proporciona una base teórica general para la construcción de algoritmos de estimación bayesianos recursivos para modelos mixtos. Recopila los algoritmos recursivos para estimar mezclas dinámicas de varias distribuciones y los trae en forma unificada, proporcionando un esquema para construir el algoritmo de estimación para una mezcla de componentes modelados por distribuciones con estadÃsticas reproducibles. Ofrece la estimación recursiva de mezclas dinámicas, libres de procesos iterativos y lo más cercanas posible a soluciones analÃticas. Además, estos métodos se pueden utilizar en lÃnea y realizar simultáneamente aprendizaje, lo que mejora su eficiencia durante la estimación. El libro incluye códigos de programa detallados para resolver las tareas teóricas presentadas. Los códigos se implementan en la plataforma de código abierto para cálculos de ingenierÃa. Los códigos de programa proporcionados sirven para ilustrar la teorÃa y demostrar el trabajo de los algoritmos incluidos. Nota de contenido: Introduction -- Basic Models -- Statistical Analysis of Dynamic Mixtures -- Dynamic Mixture Estimation -- Program Codes -- Experiments -- Appendices. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
TÃtulo : Ambit Stochastics Tipo de documento: documento electrónico Autores: Barndorff-Nielsen, Ole E., Autor ; Benth, Fred Espen, Autor ; Veraart, Almut E. D., Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XXV, 402 p. 39 ilustraciones, 25 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-94129-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades FÃsica matemática Ciencias sociales EstadÃsticas TeorÃa de probabilidad Matemáticas en Negocios EconomÃa y Finanzas EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra Ãndice Dewey: 519.2 Resumen: Basándose en la teorÃa de probabilidad avanzada, Ambit Stochastics se utiliza para modelar procesos estocásticos que dependen tanto del tiempo como del espacio. Esta monografÃa, la primera sobre el tema, proporciona una referencia para este floreciente campo, junto con las aplicaciones que han impulsado su desarrollo. Exclusivos de Ambit Stochastics son los conjuntos de ámbito, que permiten la delimitación del espacio-tiempo a una zona de interés, y los campos de ámbito, que están particularmente bien adaptados para modelar la volatilidad o intermitencia estocástica. Estos atributos se prestan notablemente a aplicaciones en la teorÃa estadÃstica de la turbulencia y la econometrÃa financiera. Además de la teorÃa y las aplicaciones de Ambit Stochastics, el libro también contiene una nueva teorÃa sobre la simulación de campos de ámbito y una teorÃa integral de integración estocástica para procesos de Volterra en un contexto no semimartingala. Escrito por pioneros en el tema, este libro atraerá a investigadores y estudiantes de posgrado interesados ​​en el modelado estocástico empÃrico. Nota de contenido: Part I The purely temporal case -- 1 Volatility modulated Volterra processes -- 2 Simulation -- 3 Asymptotic theory for power variation of LSS processes -- 4 Integration with respect to volatility modulated Volterra processes -- Part II The spatio-temporal case -- 5 The ambit framework -- 6 Representation and simulation of ambit fields -- 7 Stochastic integration with ambit fields as integrators -- 8 Trawl processes -- Part III Applications -- 9 Turbulence modelling -- 10 Stochastic modelling of energy spot prices by LSS processes -- 11 Forward curve modelling by ambit fields -- Appendix A: Bessel functions -- Appendix B: Generalised hyperbolic distribution -- References -- Index. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Ambit Stochastics [documento electrónico] / Barndorff-Nielsen, Ole E., Autor ; Benth, Fred Espen, Autor ; Veraart, Almut E. D., Autor . - 1 ed. . - [s.l.] : Springer, 2018 . - XXV, 402 p. 39 ilustraciones, 25 ilustraciones en color.
ISBN : 978-3-319-94129-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Probabilidades FÃsica matemática Ciencias sociales EstadÃsticas TeorÃa de probabilidad Matemáticas en Negocios EconomÃa y Finanzas EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra Ãndice Dewey: 519.2 Resumen: Basándose en la teorÃa de probabilidad avanzada, Ambit Stochastics se utiliza para modelar procesos estocásticos que dependen tanto del tiempo como del espacio. Esta monografÃa, la primera sobre el tema, proporciona una referencia para este floreciente campo, junto con las aplicaciones que han impulsado su desarrollo. Exclusivos de Ambit Stochastics son los conjuntos de ámbito, que permiten la delimitación del espacio-tiempo a una zona de interés, y los campos de ámbito, que están particularmente bien adaptados para modelar la volatilidad o intermitencia estocástica. Estos atributos se prestan notablemente a aplicaciones en la teorÃa estadÃstica de la turbulencia y la econometrÃa financiera. Además de la teorÃa y las aplicaciones de Ambit Stochastics, el libro también contiene una nueva teorÃa sobre la simulación de campos de ámbito y una teorÃa integral de integración estocástica para procesos de Volterra en un contexto no semimartingala. Escrito por pioneros en el tema, este libro atraerá a investigadores y estudiantes de posgrado interesados ​​en el modelado estocástico empÃrico. Nota de contenido: Part I The purely temporal case -- 1 Volatility modulated Volterra processes -- 2 Simulation -- 3 Asymptotic theory for power variation of LSS processes -- 4 Integration with respect to volatility modulated Volterra processes -- Part II The spatio-temporal case -- 5 The ambit framework -- 6 Representation and simulation of ambit fields -- 7 Stochastic integration with ambit fields as integrators -- 8 Trawl processes -- Part III Applications -- 9 Turbulence modelling -- 10 Stochastic modelling of energy spot prices by LSS processes -- 11 Forward curve modelling by ambit fields -- Appendix A: Bessel functions -- Appendix B: Generalised hyperbolic distribution -- References -- Index. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
TÃtulo : An Invitation to Statistics in Wasserstein Space Tipo de documento: documento electrónico Autores: Panaretos, Victor M., Autor ; Zemel, Yoav, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XIII, 147 p. 30 ilustraciones, 24 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-38438-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades TeorÃa de probabilidad Ãndice Dewey: 519.2 Resumen: Este libro de acceso abierto presenta los aspectos clave de la estadÃstica en espacios de Wasserstein, es decir, la estadÃstica en el espacio de medidas de probabilidad cuando está dotada de la geometrÃa de transporte óptima. Además de revisar aspectos del estado del arte, también proporciona una introducción accesible a los fundamentos de este tema actual, asà como una descripción general que servirá como invitación y catalizador para futuras investigaciones. La estadÃstica en espacios de Wasserstein representa un tema emergente en la estadÃstica matemática, situado en la interfaz entre el análisis de datos funcionales (donde los datos son funciones, por lo que se encuentran en un espacio de Hilbert de dimensión infinita) y la estadÃstica no euclidiana (donde los datos satisfacen restricciones no lineales, por lo que se encuentran en variedades no euclidianas). El espacio de Wasserstein proporciona el formalismo matemático natural para describir colecciones de datos que se modelan mejor como medidas aleatorias en el espacio euclidiano (por ejemplo, imágenes y procesos puntuales). Estas medidas aleatorias tienen los rasgos de dimensión infinita de los datos funcionales, pero son intrÃnsecamente no lineales debido a restricciones de positividad e integrabilidad. De hecho, su variación estadÃstica dominante surge a través de deformaciones aleatorias de una plantilla subyacente, un tema que se aborda en profundidad en esta monografÃa. Nota de contenido: Optimal transportation -- The Wasserstein space -- Fréchet means in the Wasserstein space -- Phase variation and Fréchet means -- Construction of Fréchet means and multicouplings. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i An Invitation to Statistics in Wasserstein Space [documento electrónico] / Panaretos, Victor M., Autor ; Zemel, Yoav, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XIII, 147 p. 30 ilustraciones, 24 ilustraciones en color.
ISBN : 978-3-030-38438-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Probabilidades TeorÃa de probabilidad Ãndice Dewey: 519.2 Resumen: Este libro de acceso abierto presenta los aspectos clave de la estadÃstica en espacios de Wasserstein, es decir, la estadÃstica en el espacio de medidas de probabilidad cuando está dotada de la geometrÃa de transporte óptima. Además de revisar aspectos del estado del arte, también proporciona una introducción accesible a los fundamentos de este tema actual, asà como una descripción general que servirá como invitación y catalizador para futuras investigaciones. La estadÃstica en espacios de Wasserstein representa un tema emergente en la estadÃstica matemática, situado en la interfaz entre el análisis de datos funcionales (donde los datos son funciones, por lo que se encuentran en un espacio de Hilbert de dimensión infinita) y la estadÃstica no euclidiana (donde los datos satisfacen restricciones no lineales, por lo que se encuentran en variedades no euclidianas). El espacio de Wasserstein proporciona el formalismo matemático natural para describir colecciones de datos que se modelan mejor como medidas aleatorias en el espacio euclidiano (por ejemplo, imágenes y procesos puntuales). Estas medidas aleatorias tienen los rasgos de dimensión infinita de los datos funcionales, pero son intrÃnsecamente no lineales debido a restricciones de positividad e integrabilidad. De hecho, su variación estadÃstica dominante surge a través de deformaciones aleatorias de una plantilla subyacente, un tema que se aborda en profundidad en esta monografÃa. Nota de contenido: Optimal transportation -- The Wasserstein space -- Fréchet means in the Wasserstein space -- Phase variation and Fréchet means -- Construction of Fréchet means and multicouplings. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink
PermalinkPermalink
