Monte-Carlo Simulation-Based Statistical Modeling / Chen, Ding-Geng (Din) ; Chen, John Dean  

Público ISBD Ningún comentario para este registro. Título : Monte-Carlo Simulation-Based Statistical Modeling Tipo de documento: documento electrónico Autores: Chen, Ding-Geng (Din), ; Chen, John Dean, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2017 Número de páginas: XX, 430 p. 64 ilustraciones, 33 ilustraciones en color. ISBN/ISSN/DL: 978-981-10-3307-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Bioestadística Índice Dewey: 57.015.195 Resumen: Este libro reúne a investigadores expertos dedicados al modelado estadístico basado en simulación de Monte-Carlo, ofreciéndoles un foro para presentar y discutir temas recientes en el desarrollo metodológico, así como aplicaciones de salud pública. Está dividido en tres partes: la primera proporciona una descripción general de las técnicas de Monte-Carlo, la segunda se centra en los métodos de Monte-Carlo para datos faltantes y la tercera aborda el modelado bayesiano y estadístico general utilizando simulaciones de Monte-Carlo. Los datos y programas informáticos utilizados aquí también estarán disponibles públicamente, lo que permitirá a los lectores replicar el desarrollo del modelo y el análisis de datos presentados en cada capítulo, y aplicarlos fácilmente en su propia investigación. Con un contenido de gran actualidad, el libro tiene el potencial de impactar el desarrollo de modelos y los análisis de datos en un amplio espectro de campos, y de impulsar más investigaciones en esta dirección. Nota de contenido: Part 1: Monte-Carlo Techniques -- 1. Overview of Monte-Carlo Techniques -- 2. On Improving the Efficiency of the Monte-Carlo Methods Using Ranked Simulated Approach -- 3. Joint generation of Different Types of Data with Specified Marginal and Association Structures for Simulation Purposes -- 4. Quantifying the Uncertainty in Optimal Experimental Schemes via Monte-Carlo Simulations -- 5. Normal and Non-normal Data Simulations for the Evaluation of Two-sample Location Tests -- 6. Understanding dichotomization from Monte-Carlo Simulations -- Part 2: Monte-Carlo Methods in Missing Data -- 7. Hybrid Monte-Carlo in Multiple Missing Data Imputations with Application to a Bone Fracture Data -- 8. Methods for Handling Incomplete Longitudinal Data due to Missing at Random Dropout -- 9. Applications of Simulation for Missing Data Issues in Longitudinal Clinical Trials -- 10. Application of Markov Chain Monte Carlo Multiple Imputation Method to Deal with Missing Data From the Mechanism of MNAR in Sensitivity Analysis for a Longitudinal Clinical Trial -- 11. Fully Bayesian Methods for Missing Data under Ignitability Assumption -- Part 3: Monte-Carlo in Statistical Modellings -- 12. Markov-Chain Monte-Carlo Methods in Statistical modelling -- 13. Monte-Carlo Simulation in Modeling for Hierarchical Linear Mixed Models -- 14. Monte-Carlo Simulation of Correlated Binary Responses -- 15. Monte Carlo Methods in Financial Modeling -- 16. Bayesian Intensive Computations in Elliptical Models. . En línea: 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 Monte-Carlo Simulation-Based Statistical Modeling [documento electrónico] / Chen, Ding-Geng (Din), ; Chen, John Dean,  . -  1 ed.  . - Singapore [Malasya] : Springer, 2017 . - XX, 430 p. 64 ilustraciones, 33 ilustraciones en color. ISBN : 978-981-10-3307-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Bioestadística Índice Dewey: 57.015.195 Resumen: Este libro reúne a investigadores expertos dedicados al modelado estadístico basado en simulación de Monte-Carlo, ofreciéndoles un foro para presentar y discutir temas recientes en el desarrollo metodológico, así como aplicaciones de salud pública. Está dividido en tres partes: la primera proporciona una descripción general de las técnicas de Monte-Carlo, la segunda se centra en los métodos de Monte-Carlo para datos faltantes y la tercera aborda el modelado bayesiano y estadístico general utilizando simulaciones de Monte-Carlo. Los datos y programas informáticos utilizados aquí también estarán disponibles públicamente, lo que permitirá a los lectores replicar el desarrollo del modelo y el análisis de datos presentados en cada capítulo, y aplicarlos fácilmente en su propia investigación. Con un contenido de gran actualidad, el libro tiene el potencial de impactar el desarrollo de modelos y los análisis de datos en un amplio espectro de campos, y de impulsar más investigaciones en esta dirección. Nota de contenido: Part 1: Monte-Carlo Techniques -- 1. Overview of Monte-Carlo Techniques -- 2. On Improving the Efficiency of the Monte-Carlo Methods Using Ranked Simulated Approach -- 3. Joint generation of Different Types of Data with Specified Marginal and Association Structures for Simulation Purposes -- 4. Quantifying the Uncertainty in Optimal Experimental Schemes via Monte-Carlo Simulations -- 5. Normal and Non-normal Data Simulations for the Evaluation of Two-sample Location Tests -- 6. Understanding dichotomization from Monte-Carlo Simulations -- Part 2: Monte-Carlo Methods in Missing Data -- 7. Hybrid Monte-Carlo in Multiple Missing Data Imputations with Application to a Bone Fracture Data -- 8. Methods for Handling Incomplete Longitudinal Data due to Missing at Random Dropout -- 9. Applications of Simulation for Missing Data Issues in Longitudinal Clinical Trials -- 10. Application of Markov Chain Monte Carlo Multiple Imputation Method to Deal with Missing Data From the Mechanism of MNAR in Sensitivity Analysis for a Longitudinal Clinical Trial -- 11. Fully Bayesian Methods for Missing Data under Ignitability Assumption -- Part 3: Monte-Carlo in Statistical Modellings -- 12. Markov-Chain Monte-Carlo Methods in Statistical modelling -- 13. Monte-Carlo Simulation in Modeling for Hierarchical Linear Mixed Models -- 14. Monte-Carlo Simulation of Correlated Binary Responses -- 15. Monte Carlo Methods in Financial Modeling -- 16. Bayesian Intensive Computations in Elliptical Models. . En línea: 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

---

1 (1 - 1 / 1) Par page : 25 50 100 200