Información del autor
Autor Vichi, Maurizio |
Documentos disponibles escritos por este autor (6)
Crear una solicitud de compra Refinar búsquedaAdvanced Studies in Classification and Data Science / Imaizumi, Tadashi ; Okada, Akinori ; Miyamoto, Sadaaki ; Sakaori, Fumitake ; Yamamoto, Yoshiro ; Vichi, Maurizio
TÃtulo : Advanced Studies in Classification and Data Science Tipo de documento: documento electrónico Autores: Imaizumi, Tadashi, ; Okada, Akinori, ; Miyamoto, Sadaaki, ; Sakaori, Fumitake, ; Yamamoto, Yoshiro, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2020 Número de páginas: XI, 524 p. 121 ilustraciones, 64 ilustraciones en color. ISBN/ISSN/DL: 978-981-1533112-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas Visualización de información SociologÃa Comportamiento del consumidor EstadÃsticas aplicadas TeorÃa y métodos estadÃsticos. Visualización de datos e información Métodos sociológicos Clasificación: 519 Estadística y probabilidades Resumen: Este volumen editado se centra en los últimos avances en clasificación y ciencia de datos y cubre una amplia gama de temas en el contexto del análisis de datos y áreas relacionadas, por ejemplo, el análisis de datos complejos, análisis de datos cualitativos, métodos para datos de alta dimensión, dimensionalidad. reducción, visualización de datos, métodos estadÃsticos multivariados y diversas aplicaciones a datos reales en las ciencias sociales, las ciencias médicas y otras disciplinas. Además de compartir hallazgos teóricos y metodológicos, el libro muestra cómo aplicar los métodos propuestos a una variedad de problemas, por ejemplo, en el comportamiento del consumidor, la toma de decisiones, los datos de marketing y las estructuras de las redes sociales. Se cubren tanto los aspectos metodológicos como las aplicaciones a una amplia gama de áreas como la economÃa, las ciencias del comportamiento, las ciencias del marketing, las ciencias de la gestión y las ciencias sociales. El libro está dirigido principalmente a investigadores y profesionales interesados ​​en los últimos avances y aplicaciones prácticas en estos campos, asà como a estadÃsticos aplicados y analistas de datos. Su combinación de avances metodológicos con una amplia gama de aplicaciones del mundo real recopiladas en varios campos lo convierte en un valor único para ayudar a los lectores a resolver sus problemas de investigación. Nota de contenido: Chapter 1. Multilevel model-based clustering: A new proposal of maximum-a-posteriori assignment -- Chapter 2. Multi-citeria classifications in regional development modelling -- Chapter 3. Non-parametric latent modeling and network clustering -- Chapter 4. Efficient, Geometrically-adaptive Techniques for Multiscale Gaussian-kernel SVM Classification -- Chapter 5. Random forests followed by computed ABC analysis as a feature selection method for machine-learning in biomedical data -- Chapter 6. Non-Hierarchical Clustering for Large Data without Recalculating Cluster Center -- Chapter 7. Supervised Nested Algorithm for Classification based on K-means -- Chapter 8. Using Classification of Regions Based on the Complexity of the Global Progress Indices for Supporting Development in Competitiveness -- Chapter 9. Estimation Methods Based on Weighting Clusters -- Chapter 10. Five Strategies for Accommodating Overdispersion in Simple Correspondence Analysis -- Chapter 11. From Joint Graphical Display to Bi-Modal Clustering: [2] Dual Space Versus Total Space -- Chapter 12. Linear Time Visualization and Search in Big Data using Pixellated Factor Space Mapping -- Chapter 13. From Joint Graphical Display to Bi-Modal Clustering: [1] A Giant Leap in Quantication Theory -- Chapter 14. External Logistic Biplots for Mixed Types of Data -- Chapter 15. Functional clustering approach for analysis of concentration -- Chapter 16. Generalized additive models for the detection of copy number variations (CNVs) using multi gene panel sequencing data -- Chapter 17. Variable selection for classification of multivariate functional data -- Chapter 18. Initial value selection for the alternating least squares algorithm -- Chapter 19. Inference for General MANOVA Based on ANOVA-Type Statistic -- Chapter 20. How To Cross the River? - New 'Distance'Measures -- Chapter 21. New Statistical Matching Method Using Multinomial Logistic Regression Model -- Chapter 22. Constructing graphical models for multi-source data: Sparse Network And Component analysis -- Chapter 23. Understanding Malvestuto's normalized mutual information -- Chapter 24. Understanding the Rand index -- Chapter 25. Layered Multivariate Regression with Its Applications -- Chapter 26. An exploratory study on the clumpiness measure of intertransaction times: how is it useful for customer relationship management? -- Chapter 27. Data Quality Management of Chain Stores based on Outlier Detection -- Chapter 28. Analysis of expenditure pattens of virtual marriage households consisting of working couples synthesized by statistical matching method q -- Chapter 29. The Effects of Natural Disasters on Household Income and Poverty in Rural Vietnam: An Analysis Using the Vietnam Household Living Standards Survey -- Chapter 30. Generalizability of relationship between number of tweets about and sales of new beverage products -- Chapter 31. Cluster Distance-Based Regression -- Chapter 32. Bayesian network analysis of fashion behaviour -- Chapter 33. Determining the Similarity Index in Electoral Behavior Analysis: An Issue Voting Behavioral:Mapping -- Chapter 34. Well-Being Measures -- Chapter 35. The Relationship between Household Assets and Choice to Work: Evidence from Japanese Official Microdata -- Chapter 36. Visualization and Spatial Statistical Analysis for Vietnam Household Living Standard Survey -- Chapter 37. Changes in the Gendered Division of Labor and Women's Economic Contributions within Japanese Couples -- Chapter 38. Employment structures vs. educational capital in the European Union regions -- Chapter 39. The IPUMS Approach to Harmonizing the World's Population Census Data -- Chapter 40. A Supervised Multiclass Classifieras an Autocoding System for the Family Income and Expenditure Survey -- . Tipo de medio : Computadora Summary : This edited volume focuses on the latest developments in classification and data science and covers a wide range of topics in the context of data analysis and related areas, e.g. the analysis of complex data, analysis of qualitative data, methods for high-dimensional data, dimensionality reduction, data visualization, multivariate statistical methods, and various applications to real data in the social sciences, medical sciences, and other disciplines. In addition to sharing theoretical and methodological findings, the book shows how to apply the proposed methods to a variety of problems — e.g. in consumer behavior, decision-making, marketing data and social network structures. Both methodological aspects and applications to a wide range of areas such as economics, behavioral science, marketing science, management science and the social sciences are covered. The book is chiefly intended for researchers and practitioners who are interested in the latest developments and practical applications in these fields, as well as applied statisticians and data analysts. Its combination of methodological advances with a wide range of real-world applications gathered from several fields makes it of unique value in helping readers solve their research problems. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Advanced Studies in Classification and Data Science [documento electrónico] / Imaizumi, Tadashi, ; Okada, Akinori, ; Miyamoto, Sadaaki, ; Sakaori, Fumitake, ; Yamamoto, Yoshiro, ; Vichi, Maurizio, . - 1 ed. . - Singapore [Malasia] : Springer, 2020 . - XI, 524 p. 121 ilustraciones, 64 ilustraciones en color.
ISBN : 978-981-1533112--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas Visualización de información SociologÃa Comportamiento del consumidor EstadÃsticas aplicadas TeorÃa y métodos estadÃsticos. Visualización de datos e información Métodos sociológicos Clasificación: 519 Estadística y probabilidades Resumen: Este volumen editado se centra en los últimos avances en clasificación y ciencia de datos y cubre una amplia gama de temas en el contexto del análisis de datos y áreas relacionadas, por ejemplo, el análisis de datos complejos, análisis de datos cualitativos, métodos para datos de alta dimensión, dimensionalidad. reducción, visualización de datos, métodos estadÃsticos multivariados y diversas aplicaciones a datos reales en las ciencias sociales, las ciencias médicas y otras disciplinas. Además de compartir hallazgos teóricos y metodológicos, el libro muestra cómo aplicar los métodos propuestos a una variedad de problemas, por ejemplo, en el comportamiento del consumidor, la toma de decisiones, los datos de marketing y las estructuras de las redes sociales. Se cubren tanto los aspectos metodológicos como las aplicaciones a una amplia gama de áreas como la economÃa, las ciencias del comportamiento, las ciencias del marketing, las ciencias de la gestión y las ciencias sociales. El libro está dirigido principalmente a investigadores y profesionales interesados ​​en los últimos avances y aplicaciones prácticas en estos campos, asà como a estadÃsticos aplicados y analistas de datos. Su combinación de avances metodológicos con una amplia gama de aplicaciones del mundo real recopiladas en varios campos lo convierte en un valor único para ayudar a los lectores a resolver sus problemas de investigación. Nota de contenido: Chapter 1. Multilevel model-based clustering: A new proposal of maximum-a-posteriori assignment -- Chapter 2. Multi-citeria classifications in regional development modelling -- Chapter 3. Non-parametric latent modeling and network clustering -- Chapter 4. Efficient, Geometrically-adaptive Techniques for Multiscale Gaussian-kernel SVM Classification -- Chapter 5. Random forests followed by computed ABC analysis as a feature selection method for machine-learning in biomedical data -- Chapter 6. Non-Hierarchical Clustering for Large Data without Recalculating Cluster Center -- Chapter 7. Supervised Nested Algorithm for Classification based on K-means -- Chapter 8. Using Classification of Regions Based on the Complexity of the Global Progress Indices for Supporting Development in Competitiveness -- Chapter 9. Estimation Methods Based on Weighting Clusters -- Chapter 10. Five Strategies for Accommodating Overdispersion in Simple Correspondence Analysis -- Chapter 11. From Joint Graphical Display to Bi-Modal Clustering: [2] Dual Space Versus Total Space -- Chapter 12. Linear Time Visualization and Search in Big Data using Pixellated Factor Space Mapping -- Chapter 13. From Joint Graphical Display to Bi-Modal Clustering: [1] A Giant Leap in Quantication Theory -- Chapter 14. External Logistic Biplots for Mixed Types of Data -- Chapter 15. Functional clustering approach for analysis of concentration -- Chapter 16. Generalized additive models for the detection of copy number variations (CNVs) using multi gene panel sequencing data -- Chapter 17. Variable selection for classification of multivariate functional data -- Chapter 18. Initial value selection for the alternating least squares algorithm -- Chapter 19. Inference for General MANOVA Based on ANOVA-Type Statistic -- Chapter 20. How To Cross the River? - New 'Distance'Measures -- Chapter 21. New Statistical Matching Method Using Multinomial Logistic Regression Model -- Chapter 22. Constructing graphical models for multi-source data: Sparse Network And Component analysis -- Chapter 23. Understanding Malvestuto's normalized mutual information -- Chapter 24. Understanding the Rand index -- Chapter 25. Layered Multivariate Regression with Its Applications -- Chapter 26. An exploratory study on the clumpiness measure of intertransaction times: how is it useful for customer relationship management? -- Chapter 27. Data Quality Management of Chain Stores based on Outlier Detection -- Chapter 28. Analysis of expenditure pattens of virtual marriage households consisting of working couples synthesized by statistical matching method q -- Chapter 29. The Effects of Natural Disasters on Household Income and Poverty in Rural Vietnam: An Analysis Using the Vietnam Household Living Standards Survey -- Chapter 30. Generalizability of relationship between number of tweets about and sales of new beverage products -- Chapter 31. Cluster Distance-Based Regression -- Chapter 32. Bayesian network analysis of fashion behaviour -- Chapter 33. Determining the Similarity Index in Electoral Behavior Analysis: An Issue Voting Behavioral:Mapping -- Chapter 34. Well-Being Measures -- Chapter 35. The Relationship between Household Assets and Choice to Work: Evidence from Japanese Official Microdata -- Chapter 36. Visualization and Spatial Statistical Analysis for Vietnam Household Living Standard Survey -- Chapter 37. Changes in the Gendered Division of Labor and Women's Economic Contributions within Japanese Couples -- Chapter 38. Employment structures vs. educational capital in the European Union regions -- Chapter 39. The IPUMS Approach to Harmonizing the World's Population Census Data -- Chapter 40. A Supervised Multiclass Classifieras an Autocoding System for the Family Income and Expenditure Survey -- . Tipo de medio : Computadora Summary : This edited volume focuses on the latest developments in classification and data science and covers a wide range of topics in the context of data analysis and related areas, e.g. the analysis of complex data, analysis of qualitative data, methods for high-dimensional data, dimensionality reduction, data visualization, multivariate statistical methods, and various applications to real data in the social sciences, medical sciences, and other disciplines. In addition to sharing theoretical and methodological findings, the book shows how to apply the proposed methods to a variety of problems — e.g. in consumer behavior, decision-making, marketing data and social network structures. Both methodological aspects and applications to a wide range of areas such as economics, behavioral science, marketing science, management science and the social sciences are covered. The book is chiefly intended for researchers and practitioners who are interested in the latest developments and practical applications in these fields, as well as applied statisticians and data analysts. Its combination of methodological advances with a wide range of real-world applications gathered from several fields makes it of unique value in helping readers solve their research problems. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Applications in Statistical Computing : From Music Data Analysis to Industrial Quality Improvement Tipo de documento: documento electrónico Autores: Bauer, Nadja, ; Ickstadt, Katja, ; Lübke, Karsten, ; Szepannek, Gero, ; Trautmann, Heike, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XI, 340 p. 83 ilustraciones, 48 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-25147-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos EstadÃsticas Informática Estadistica matematica Música La investigación de operaciones EstadÃstica y Computación MinerÃa de datos y descubrimiento de conocimientos EstadÃsticas aplicadas Probabilidad y EstadÃstica en Informática Matemáticas en la música Investigación de Operaciones y TeorÃa de la Decisión Clasificación: 519.5 Resumen: Este volumen presenta una selección de trabajos de investigación sobre diversos temas en la interfaz de la estadÃstica y la informática. Se pone énfasis en las aplicaciones prácticas de métodos estadÃsticos en diversas disciplinas, utilizando el aprendizaje automático y otros métodos computacionales. El libro cubre campos de investigación que incluyen el diseño de experimentos, estadÃstica computacional, análisis de datos musicales, control estadÃstico de procesos, biometrÃa, ingenierÃa industrial y econometrÃa. El volumen, que reúne contribuciones innovadoras, de alta calidad y cientÃficamente relevantes, se publicó en honor de Claus Weihs, profesor de EstadÃstica Computacional en la Universidad TU Dortmund, con motivo de su 66 cumpleaños. Nota de contenido: Part I Methodological Developments in Data Science.-Aviation Data Analysis by Linear Programming in Airline Network Revenue Management -- Bayesian Reduced Rank Regression for Classification -- Modelling and classification of GC/IMS breath gas measurements for lozenges of different flavours -- The Cosine Depth Distribution Classifier for Directional Data -- A Nonconformity Ratio Based Desirability Function for Capability Assessment -- Part II Computational Statistics -- Heteroscedastic Discriminant Analysis using R -- Comprehensive Feature-Based Landscape Analysis of Continuous and Constrained Optimization Problems Using the R-Package flacco -- Part III Perspectives on Statistics and Data Science -- A Note on Artificial Intelligence and Statistics -- Statistical Computing and Data Science in Introductory Statistics -- Approaching Ethical Guidelines for Data Scientists -- Part IV Statistics in Econometric Applications -- Dating Lower Turning Points of Business Cycles – a Multivariate Linear Discriminant Analysis for Germany 1984 to 2009 -- Partial Orderings of Default Predictions -- Improving GMM efficiency in dynamic models for panel data with mean stationarity -- Part V Statistics in Industrial Applications -- Economically designed Bayesian np control charts using dual sample sizes for long-run processes -- Statistical analysis of the lifetime of diamond impregnated tools for core drilling of concrete -- Detection of anomalous sequences in crack data of a bridge monitoring -- Optimal Semi-Split-Plot Designs with R -- Continuous process monitoring through ensemble based anomaly detection -- Part VI Statistics in Music Applications -- Evaluation of Audio Feature Groups for the Prediction of Arousal and Valence in Music -- The Psychological Foundations of Classification. Tipo de medio : Computadora Summary : This volume presents a selection of research papers on various topics at the interface of statistics and computer science. Emphasis is put on the practical applications of statistical methods in various disciplines, using machine learning and other computational methods. The book covers fields of research including the design of experiments, computational statistics, music data analysis, statistical process control, biometrics, industrial engineering, and econometrics. Gathering innovative, high-quality and scientifically relevant contributions, the volume was published in honor of Claus Weihs, Professor of Computational Statistics at TU Dortmund University, on the occasion of his 66th birthday. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Applications in Statistical Computing : From Music Data Analysis to Industrial Quality Improvement [documento electrónico] / Bauer, Nadja, ; Ickstadt, Katja, ; Lübke, Karsten, ; Szepannek, Gero, ; Trautmann, Heike, ; Vichi, Maurizio, . - 1 ed. . - [s.l.] : Springer, 2019 . - XI, 340 p. 83 ilustraciones, 48 ilustraciones en color.
ISBN : 978-3-030-25147-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Procesamiento de datos EstadÃsticas Informática Estadistica matematica Música La investigación de operaciones EstadÃstica y Computación MinerÃa de datos y descubrimiento de conocimientos EstadÃsticas aplicadas Probabilidad y EstadÃstica en Informática Matemáticas en la música Investigación de Operaciones y TeorÃa de la Decisión Clasificación: 519.5 Resumen: Este volumen presenta una selección de trabajos de investigación sobre diversos temas en la interfaz de la estadÃstica y la informática. Se pone énfasis en las aplicaciones prácticas de métodos estadÃsticos en diversas disciplinas, utilizando el aprendizaje automático y otros métodos computacionales. El libro cubre campos de investigación que incluyen el diseño de experimentos, estadÃstica computacional, análisis de datos musicales, control estadÃstico de procesos, biometrÃa, ingenierÃa industrial y econometrÃa. El volumen, que reúne contribuciones innovadoras, de alta calidad y cientÃficamente relevantes, se publicó en honor de Claus Weihs, profesor de EstadÃstica Computacional en la Universidad TU Dortmund, con motivo de su 66 cumpleaños. Nota de contenido: Part I Methodological Developments in Data Science.-Aviation Data Analysis by Linear Programming in Airline Network Revenue Management -- Bayesian Reduced Rank Regression for Classification -- Modelling and classification of GC/IMS breath gas measurements for lozenges of different flavours -- The Cosine Depth Distribution Classifier for Directional Data -- A Nonconformity Ratio Based Desirability Function for Capability Assessment -- Part II Computational Statistics -- Heteroscedastic Discriminant Analysis using R -- Comprehensive Feature-Based Landscape Analysis of Continuous and Constrained Optimization Problems Using the R-Package flacco -- Part III Perspectives on Statistics and Data Science -- A Note on Artificial Intelligence and Statistics -- Statistical Computing and Data Science in Introductory Statistics -- Approaching Ethical Guidelines for Data Scientists -- Part IV Statistics in Econometric Applications -- Dating Lower Turning Points of Business Cycles – a Multivariate Linear Discriminant Analysis for Germany 1984 to 2009 -- Partial Orderings of Default Predictions -- Improving GMM efficiency in dynamic models for panel data with mean stationarity -- Part V Statistics in Industrial Applications -- Economically designed Bayesian np control charts using dual sample sizes for long-run processes -- Statistical analysis of the lifetime of diamond impregnated tools for core drilling of concrete -- Detection of anomalous sequences in crack data of a bridge monitoring -- Optimal Semi-Split-Plot Designs with R -- Continuous process monitoring through ensemble based anomaly detection -- Part VI Statistics in Music Applications -- Evaluation of Audio Feature Groups for the Prediction of Arousal and Valence in Music -- The Psychological Foundations of Classification. Tipo de medio : Computadora Summary : This volume presents a selection of research papers on various topics at the interface of statistics and computer science. Emphasis is put on the practical applications of statistical methods in various disciplines, using machine learning and other computational methods. The book covers fields of research including the design of experiments, computational statistics, music data analysis, statistical process control, biometrics, industrial engineering, and econometrics. Gathering innovative, high-quality and scientifically relevant contributions, the volume was published in honor of Claus Weihs, Professor of Computational Statistics at TU Dortmund University, on the occasion of his 66th birthday. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Classification, (Big) Data Analysis and Statistical Learning Tipo de documento: documento electrónico Autores: Mola, Francesco, ; Conversano, Claudio, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVI, 242 p. 65 ilustraciones, 21 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-55708-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas Procesamiento de datos Grandes datos TeorÃa y métodos estadÃsticos. EstadÃstica y Computación EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros MinerÃa de datos y descubrimiento de conocimientos Clasificación: 519.5 Resumen: Este libro editado se centra en los últimos avances en clasificación, aprendizaje estadÃstico, análisis de datos y áreas relacionadas con la ciencia de datos, incluido el análisis estadÃstico de grandes conjuntos de datos, el análisis de big data, la agrupación de series temporales, la integración de datos de diferentes fuentes y las redes sociales. Abarca tanto los aspectos metodológicos como las aplicaciones en una amplia gama de áreas, como la economÃa, el marketing, la educación, las ciencias sociales, la medicina, las ciencias ambientales y la industria farmacéutica. Además, describe las caracterÃsticas básicas del software detrás de los resultados del análisis de datos y proporciona enlaces a los códigos y conjuntos de datos correspondientes cuando es necesario. Este libro está destinado a investigadores y profesionales interesados ​​en los últimos avances y aplicaciones en el campo. Las contribuciones revisadas por pares se presentaron en la 10.ª Reunión CientÃfica del Grupo de Clasificación y Análisis de Datos (CLADAG) de la Sociedad Italiana de EstadÃstica, celebrada en Santa Margherita di Pula (Cagliari), Italia, del 8 al 10 de octubre de 2015. Nota de contenido: Rank Properties for Centred Three-way Arrays – C. Albers (Univ. of Groningen) et al -- Principal Component Analysis of Complex Data and Application to Climatology – S. Camiz (La Sapienza Univ. of Rome) et al -- Clustering upper level units in multilevel models for ordinal data – L. Grilli (Univ. of Florence) et al -- A Multilevel Heckman Model To Investigate Financial Assets Among Old People In Europe – O. Paccagnella (univ. of Padua) et al -- Multivariate stochastic downscaling with semicontinuous data – L. Paci (univ. of Bologna) et al -- Motivations and expectations of students' mobility abroad: a mapping technique – V. Caviezel (Univ. of Bergamo) et al -- Comparing multi-step ahead forecasting functions for time series clustering – M. Corduas (Univ. of Naples Federico II) et al -- Electre Tri-Machine Learning Approach to the Record Linkage – V. Minnetti (La Sapienza Univ. of Rome) et al -- . MCA Based Community Detection – C. Drago (Univ. of Rome Niccolò Cusano) -- Classi fying social roles by network structures – S. Gozzo (univ. of Catania) et al -- Bayesian Networks For Financial Markets Signals Detection – A. Greppi (univ.of Pavia) et al -- Finite sample behaviour of MLE in network autocorrelation models – M. La Rocca (Univ. of Salerno) et al -- Classification Models as Tools of Bankruptcy Prediction – Polish Experience – J. Pochiecha (Cracow university) et al -- Clustering macroseismic fields by statistical data depth functions – C. Agostinelli (Univ. of Trento) -- Depth based tests for circular antipodal symmetry – G. Pandolfo (Univ. of Cassino) et al -- Estimating The Effect Of Prenatal Care On Birth Outcomes – E. Sironi (Sacro Cuore University) et al -- Bifurcations And Sunspots In Continuous Time Optimal Models With Externalities – B.Venturi (Univ. of Cagliari) et al -- Enhancing Big Data Exploration with Faceted Browsing – S. Bergamaschi (Univ. of Modena and Reggio Emilia) et al -- Big data meet pharmaceutical industry: an application on social media data – C. Liberati (Univ. of Milan Bicocca) et al -- From Big Data to information: statistical issues through a case study – S. Signorelli (Univ. of Bergamo) et al -- Quality of Classification approaches for the quantitative analysis of international conflict – A.F.X. Wilhelm (Jacobs Univ. Bremen) -- P-splines based clustering as a general framework: some applications using different clustering algorithms – C. Iorio (Univ. of Naples Federico II) et al -- A graphical copula-based tool for detecting tail dependence – R. Pappadà (univ. of Trieste) et al -- Comparing spatial and spatio-temporal FPCA to impute large continuous gaps in space – M. Ruggeri (Univ. of Palermo) et al -- Exploring Italian students' performances in the SNV test: a quantile regression perspective – A. Costanzo (National Institute for the Evaluation of Education and Training – INVALSI) et al. . Tipo de medio : Computadora Summary : This edited book focuses on the latest developments in classification, statistical learning, data analysis and related areas of data science, including statistical analysis of large datasets, big data analytics, time series clustering, integration of data from different sources, as well as social networks. It covers both methodological aspects as well as applications to a wide range of areas such as economics, marketing, education, social sciences, medicine, environmental sciences and the pharmaceutical industry. In addition, it describes the basic features of the software behind the data analysis results, and provides links to the corresponding codes and data sets where necessary. This book is intended for researchers and practitioners who are interested in the latest developments and applications in the field. The peer-reviewed contributions were presented at the 10th Scientific Meeting of the Classification and Data Analysis Group (CLADAG) of the Italian Statistical Society, held in Santa Margherita di Pula (Cagliari), Italy, October 8–10, 2015. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Classification, (Big) Data Analysis and Statistical Learning [documento electrónico] / Mola, Francesco, ; Conversano, Claudio, ; Vichi, Maurizio, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVI, 242 p. 65 ilustraciones, 21 ilustraciones en color.
ISBN : 978-3-319-55708-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas Procesamiento de datos Grandes datos TeorÃa y métodos estadÃsticos. EstadÃstica y Computación EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros MinerÃa de datos y descubrimiento de conocimientos Clasificación: 519.5 Resumen: Este libro editado se centra en los últimos avances en clasificación, aprendizaje estadÃstico, análisis de datos y áreas relacionadas con la ciencia de datos, incluido el análisis estadÃstico de grandes conjuntos de datos, el análisis de big data, la agrupación de series temporales, la integración de datos de diferentes fuentes y las redes sociales. Abarca tanto los aspectos metodológicos como las aplicaciones en una amplia gama de áreas, como la economÃa, el marketing, la educación, las ciencias sociales, la medicina, las ciencias ambientales y la industria farmacéutica. Además, describe las caracterÃsticas básicas del software detrás de los resultados del análisis de datos y proporciona enlaces a los códigos y conjuntos de datos correspondientes cuando es necesario. Este libro está destinado a investigadores y profesionales interesados ​​en los últimos avances y aplicaciones en el campo. Las contribuciones revisadas por pares se presentaron en la 10.ª Reunión CientÃfica del Grupo de Clasificación y Análisis de Datos (CLADAG) de la Sociedad Italiana de EstadÃstica, celebrada en Santa Margherita di Pula (Cagliari), Italia, del 8 al 10 de octubre de 2015. Nota de contenido: Rank Properties for Centred Three-way Arrays – C. Albers (Univ. of Groningen) et al -- Principal Component Analysis of Complex Data and Application to Climatology – S. Camiz (La Sapienza Univ. of Rome) et al -- Clustering upper level units in multilevel models for ordinal data – L. Grilli (Univ. of Florence) et al -- A Multilevel Heckman Model To Investigate Financial Assets Among Old People In Europe – O. Paccagnella (univ. of Padua) et al -- Multivariate stochastic downscaling with semicontinuous data – L. Paci (univ. of Bologna) et al -- Motivations and expectations of students' mobility abroad: a mapping technique – V. Caviezel (Univ. of Bergamo) et al -- Comparing multi-step ahead forecasting functions for time series clustering – M. Corduas (Univ. of Naples Federico II) et al -- Electre Tri-Machine Learning Approach to the Record Linkage – V. Minnetti (La Sapienza Univ. of Rome) et al -- . MCA Based Community Detection – C. Drago (Univ. of Rome Niccolò Cusano) -- Classi fying social roles by network structures – S. Gozzo (univ. of Catania) et al -- Bayesian Networks For Financial Markets Signals Detection – A. Greppi (univ.of Pavia) et al -- Finite sample behaviour of MLE in network autocorrelation models – M. La Rocca (Univ. of Salerno) et al -- Classification Models as Tools of Bankruptcy Prediction – Polish Experience – J. Pochiecha (Cracow university) et al -- Clustering macroseismic fields by statistical data depth functions – C. Agostinelli (Univ. of Trento) -- Depth based tests for circular antipodal symmetry – G. Pandolfo (Univ. of Cassino) et al -- Estimating The Effect Of Prenatal Care On Birth Outcomes – E. Sironi (Sacro Cuore University) et al -- Bifurcations And Sunspots In Continuous Time Optimal Models With Externalities – B.Venturi (Univ. of Cagliari) et al -- Enhancing Big Data Exploration with Faceted Browsing – S. Bergamaschi (Univ. of Modena and Reggio Emilia) et al -- Big data meet pharmaceutical industry: an application on social media data – C. Liberati (Univ. of Milan Bicocca) et al -- From Big Data to information: statistical issues through a case study – S. Signorelli (Univ. of Bergamo) et al -- Quality of Classification approaches for the quantitative analysis of international conflict – A.F.X. Wilhelm (Jacobs Univ. Bremen) -- P-splines based clustering as a general framework: some applications using different clustering algorithms – C. Iorio (Univ. of Naples Federico II) et al -- A graphical copula-based tool for detecting tail dependence – R. Pappadà (univ. of Trieste) et al -- Comparing spatial and spatio-temporal FPCA to impute large continuous gaps in space – M. Ruggeri (Univ. of Palermo) et al -- Exploring Italian students' performances in the SNV test: a quantile regression perspective – A. Costanzo (National Institute for the Evaluation of Education and Training – INVALSI) et al. . Tipo de medio : Computadora Summary : This edited book focuses on the latest developments in classification, statistical learning, data analysis and related areas of data science, including statistical analysis of large datasets, big data analytics, time series clustering, integration of data from different sources, as well as social networks. It covers both methodological aspects as well as applications to a wide range of areas such as economics, marketing, education, social sciences, medicine, environmental sciences and the pharmaceutical industry. In addition, it describes the basic features of the software behind the data analysis results, and provides links to the corresponding codes and data sets where necessary. This book is intended for researchers and practitioners who are interested in the latest developments and applications in the field. The peer-reviewed contributions were presented at the 10th Scientific Meeting of the Classification and Data Analysis Group (CLADAG) of the Italian Statistical Society, held in Santa Margherita di Pula (Cagliari), Italy, October 8–10, 2015. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Data Science : Innovative Developments in Data Analysis and Clustering Tipo de documento: documento electrónico Autores: Palumbo, Francesco, ; Montanari, Angela, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XVI, 342 p. 50 ilustraciones, 39 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-55723-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas Procesamiento de datos Grandes datos TeorÃa y métodos estadÃsticos. MinerÃa de datos y descubrimiento de conocimientos EstadÃstica y Computación EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 519.5 Resumen: Este volumen editado sobre los últimos avances en ciencia de datos cubre una amplia gama de temas en el contexto del análisis y clasificación de datos. En particular, incluye contribuciones sobre métodos de clasificación para datos de alta dimensión, métodos de agrupamiento, métodos estadÃsticos multivariados y diversas aplicaciones. El libro reúne una selección de contribuciones revisadas por pares presentadas en la Decimoquinta Conferencia de la Federación Internacional de Sociedades de Clasificación (IFCS2015), que tuvo como anfitrión el Alma Mater Studiorum de la Universidad de Bolonia, del 5 al 8 de julio de 2015. Nota de contenido: Preface -- Part I: Classification Methods for High-Dimensional Data -- Scientific Contributions -- Part II: Clustering Methods and Applications -- Scientific Contributions -- Part III: Multivariate Methods and Applications -- Scientific Contributions. Tipo de medio : Computadora Summary : This edited volume on the latest advances in data science covers a wide range of topics in the context of data analysis and classification. In particular, it includes contributions on classification methods for high-dimensional data, clustering methods, multivariate statistical methods, and various applications. The book gathers a selection of peer-reviewed contributions presented at the Fifteenth Conference of the International Federation of Classification Societies (IFCS2015), which was hosted by the Alma Mater Studiorum, University of Bologna, from July 5 to 8, 2015. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Data Science : Innovative Developments in Data Analysis and Clustering [documento electrónico] / Palumbo, Francesco, ; Montanari, Angela, ; Vichi, Maurizio, . - 1 ed. . - [s.l.] : Springer, 2017 . - XVI, 342 p. 50 ilustraciones, 39 ilustraciones en color.
ISBN : 978-3-319-55723-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas Procesamiento de datos Grandes datos TeorÃa y métodos estadÃsticos. MinerÃa de datos y descubrimiento de conocimientos EstadÃstica y Computación EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 519.5 Resumen: Este volumen editado sobre los últimos avances en ciencia de datos cubre una amplia gama de temas en el contexto del análisis y clasificación de datos. En particular, incluye contribuciones sobre métodos de clasificación para datos de alta dimensión, métodos de agrupamiento, métodos estadÃsticos multivariados y diversas aplicaciones. El libro reúne una selección de contribuciones revisadas por pares presentadas en la Decimoquinta Conferencia de la Federación Internacional de Sociedades de Clasificación (IFCS2015), que tuvo como anfitrión el Alma Mater Studiorum de la Universidad de Bolonia, del 5 al 8 de julio de 2015. Nota de contenido: Preface -- Part I: Classification Methods for High-Dimensional Data -- Scientific Contributions -- Part II: Clustering Methods and Applications -- Scientific Contributions -- Part III: Multivariate Methods and Applications -- Scientific Contributions. Tipo de medio : Computadora Summary : This edited volume on the latest advances in data science covers a wide range of topics in the context of data analysis and classification. In particular, it includes contributions on classification methods for high-dimensional data, clustering methods, multivariate statistical methods, and various applications. The book gathers a selection of peer-reviewed contributions presented at the Fifteenth Conference of the International Federation of Classification Societies (IFCS2015), which was hosted by the Alma Mater Studiorum, University of Bologna, from July 5 to 8, 2015. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Statistical Learning and Modeling in Data Analysis : Methods and Applications Tipo de documento: documento electrónico Autores: Balzano, Simona, ; Porzio, Giovanni C., ; Salvatore, Renato, ; Vistocco, Domenico, ; Vichi, Maurizio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 182 p. 40 ilustraciones, 26 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-69944-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: EstadÃsticas Procesamiento de datos Aprendizaje automático Estructuras de datos (Informática) TeorÃa de la información TeorÃa y métodos estadÃsticos. EstadÃstica y Computación MinerÃa de datos y descubrimiento de conocimientos EstadÃsticas aplicadas Estructuras de datos y teorÃa de la información Clasificación: 519.5 Resumen: Las contribuciones reunidas en este libro se centran en métodos modernos para el aprendizaje y modelado estadÃstico en el análisis de datos y presentan una serie de interesantes aplicaciones del mundo real. El libro cubre numerosos temas de investigación, que van desde la inferencia y el modelado estadÃstico hasta los métodos factoriales y de agrupamiento, desde el análisis de datos direccionales hasta el análisis de series temporales y la estimación de áreas pequeñas. Las aplicaciones reflejan nuevos análisis en una variedad de campos, incluidos la medicina, las finanzas, la ingenierÃa, el marketing y el riesgo cibernético. El libro reúne contribuciones seleccionadas y revisadas por pares presentadas en la 12.ª Reunión CientÃfica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de EstadÃstica (CLADAG 2019), celebrada en Cassino, Italia, del 11 al 13 de septiembre de 2019. CLADAG promueve métodos metodológicos avanzados investigación en estadÃstica multivariada con especial enfoque en el análisis y clasificación de datos, y apoya el intercambio y difusión de ideas, conceptos metodológicos, métodos numéricos, algoritmos y resultados computacionales y aplicados. Este libro, fiel a los objetivos de CLADAG, está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Nota de contenido: Chapter 1 - Interpreting Effects in Generalized Linear Modeling (Alan Agresti, Claudia Tarantola, and Roberta Varriale) -- Chapter 2 - ACE, AVAS and Robust Data Transformations: Performance of Investment Funds (Anthony C. Atkinson, Marco Riani, Aldo Corbellini, and Gianluca Morelli) -- Chapter 3 - Predictive Principal Component Analysis (Simona Balzano, Maja Bozic, Laura Marcis, and Renato Salvatore) -- Chapter 4 - Robust model-based learning to discover new wheat varieties and discriminate adulterated kernels in X-ray images (Andrea Cappozzo, Francesca Greselin, and Thomas Brendan Murphy) -- Chapter 5 - A dynamic model for ordinal time series: an application to consumers' perceptions of inflation (Marcella Corduas) -- Chapter 6 - Deep learning to jointly analyze images and clinical data for disease detection (Federica Crobu and Agostino Di Ciaccio) -- Chapter 7 -Studying Affiliation Networks through Cluster CA and Blockmodeling (Daniela D'Ambrosio, Marco Serino, and Giancarlo Ragozini) -- Chapter 8 - Sectioning Procedure on Geostatistical Indices Series of Pavement Road Proï¬les (Mauro D'Apuzzo, Rose-Line Spacagna, Azzurra Evangelisti, Daniela Santilli, and Vittorio Nicolosi) -- Chapter 9 - Directional supervised learning through depth functions: an application to ECG waves analysis (Houyem Demni) -- Chapter 10 - Penalized vs. contrained approaches for clusterwise linear regression modelling (Roberto Di Mari, Stefano Antonio Gattone, and Roberto Rocci) -- Chapter 11 - Effect measures for group comparisons in a two-component mixture model: a cyber risk analysis (Maria Iannario and Claudia Tarantola) -- Chapter 12 - A Cramér–von Mises test of uniformity on the hypersphere (Eduardo GarcÃa-Portugués, Paula Navarro-Esteban, and Juan Antonio Cuesta-Albertos) -- Chapter 13 - On mean and/or variance mixtures of normal distributions (Sharon X. Lee and Geoffrey J. McLachlan) -- Chapter 14 - Robust depth-based inference in elliptical models (Stanislav Nagy and Jiřà Dvořák) -- Chapter 15 - Latent class analysis for the derivation of marketing decisions: An empirical study for BEV battery manufacturers (Friederike Paetz) -- Chapter 16 - Small Area Estimation Diagnostics: the Case of the Fay-Herriot Model (Maria Chiara Pagliarella) -- Chapter 17 - A comparison between methods to cluster mixed-type data: Gaussian mixtures versus Gower distance (Monia Ranalli and Roberto Rocci) -- Chapter 18 - Exploring the gender gap in Erasmus student mobility flows (Marialuisa Restaino, Ilaria Primerano, and Maria Prosperina Vitale). Tipo de medio : Computadora Summary : The contributions gathered in this book focus on modern methods for statistical learning and modeling in data analysis and present a series of engaging real-world applications. The book covers numerous research topics, ranging from statistical inference and modeling to clustering and factorial methods, from directional data analysis to time series analysis and small area estimation. The applications reflect new analyses in a variety of fields, including medicine, finance, engineering, marketing and cyber risk. The book gathers selected and peer-reviewed contributions presented at the 12th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2019), held in Cassino, Italy, on September 11–13, 2019. CLADAG promotes advanced methodological research in multivariate statistics with a special focus on data analysis and classification, and supports the exchange and dissemination of ideas, methodological concepts, numerical methods, algorithms, and computational and applied results. This book, true to CLADAG's goals, is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Learning and Modeling in Data Analysis : Methods and Applications [documento electrónico] / Balzano, Simona, ; Porzio, Giovanni C., ; Salvatore, Renato, ; Vistocco, Domenico, ; Vichi, Maurizio, . - 1 ed. . - [s.l.] : Springer, 2021 . - VIII, 182 p. 40 ilustraciones, 26 ilustraciones en color.
ISBN : 978-3-030-69944-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: EstadÃsticas Procesamiento de datos Aprendizaje automático Estructuras de datos (Informática) TeorÃa de la información TeorÃa y métodos estadÃsticos. EstadÃstica y Computación MinerÃa de datos y descubrimiento de conocimientos EstadÃsticas aplicadas Estructuras de datos y teorÃa de la información Clasificación: 519.5 Resumen: Las contribuciones reunidas en este libro se centran en métodos modernos para el aprendizaje y modelado estadÃstico en el análisis de datos y presentan una serie de interesantes aplicaciones del mundo real. El libro cubre numerosos temas de investigación, que van desde la inferencia y el modelado estadÃstico hasta los métodos factoriales y de agrupamiento, desde el análisis de datos direccionales hasta el análisis de series temporales y la estimación de áreas pequeñas. Las aplicaciones reflejan nuevos análisis en una variedad de campos, incluidos la medicina, las finanzas, la ingenierÃa, el marketing y el riesgo cibernético. El libro reúne contribuciones seleccionadas y revisadas por pares presentadas en la 12.ª Reunión CientÃfica del Grupo de Clasificación y Análisis de Datos de la Sociedad Italiana de EstadÃstica (CLADAG 2019), celebrada en Cassino, Italia, del 11 al 13 de septiembre de 2019. CLADAG promueve métodos metodológicos avanzados investigación en estadÃstica multivariada con especial enfoque en el análisis y clasificación de datos, y apoya el intercambio y difusión de ideas, conceptos metodológicos, métodos numéricos, algoritmos y resultados computacionales y aplicados. Este libro, fiel a los objetivos de CLADAG, está dirigido a investigadores y profesionales interesados ​​en los últimos desarrollos y aplicaciones en el campo del análisis y clasificación de datos. Nota de contenido: Chapter 1 - Interpreting Effects in Generalized Linear Modeling (Alan Agresti, Claudia Tarantola, and Roberta Varriale) -- Chapter 2 - ACE, AVAS and Robust Data Transformations: Performance of Investment Funds (Anthony C. Atkinson, Marco Riani, Aldo Corbellini, and Gianluca Morelli) -- Chapter 3 - Predictive Principal Component Analysis (Simona Balzano, Maja Bozic, Laura Marcis, and Renato Salvatore) -- Chapter 4 - Robust model-based learning to discover new wheat varieties and discriminate adulterated kernels in X-ray images (Andrea Cappozzo, Francesca Greselin, and Thomas Brendan Murphy) -- Chapter 5 - A dynamic model for ordinal time series: an application to consumers' perceptions of inflation (Marcella Corduas) -- Chapter 6 - Deep learning to jointly analyze images and clinical data for disease detection (Federica Crobu and Agostino Di Ciaccio) -- Chapter 7 -Studying Affiliation Networks through Cluster CA and Blockmodeling (Daniela D'Ambrosio, Marco Serino, and Giancarlo Ragozini) -- Chapter 8 - Sectioning Procedure on Geostatistical Indices Series of Pavement Road Proï¬les (Mauro D'Apuzzo, Rose-Line Spacagna, Azzurra Evangelisti, Daniela Santilli, and Vittorio Nicolosi) -- Chapter 9 - Directional supervised learning through depth functions: an application to ECG waves analysis (Houyem Demni) -- Chapter 10 - Penalized vs. contrained approaches for clusterwise linear regression modelling (Roberto Di Mari, Stefano Antonio Gattone, and Roberto Rocci) -- Chapter 11 - Effect measures for group comparisons in a two-component mixture model: a cyber risk analysis (Maria Iannario and Claudia Tarantola) -- Chapter 12 - A Cramér–von Mises test of uniformity on the hypersphere (Eduardo GarcÃa-Portugués, Paula Navarro-Esteban, and Juan Antonio Cuesta-Albertos) -- Chapter 13 - On mean and/or variance mixtures of normal distributions (Sharon X. Lee and Geoffrey J. McLachlan) -- Chapter 14 - Robust depth-based inference in elliptical models (Stanislav Nagy and Jiřà Dvořák) -- Chapter 15 - Latent class analysis for the derivation of marketing decisions: An empirical study for BEV battery manufacturers (Friederike Paetz) -- Chapter 16 - Small Area Estimation Diagnostics: the Case of the Fay-Herriot Model (Maria Chiara Pagliarella) -- Chapter 17 - A comparison between methods to cluster mixed-type data: Gaussian mixtures versus Gower distance (Monia Ranalli and Roberto Rocci) -- Chapter 18 - Exploring the gender gap in Erasmus student mobility flows (Marialuisa Restaino, Ilaria Primerano, and Maria Prosperina Vitale). Tipo de medio : Computadora Summary : The contributions gathered in this book focus on modern methods for statistical learning and modeling in data analysis and present a series of engaging real-world applications. The book covers numerous research topics, ranging from statistical inference and modeling to clustering and factorial methods, from directional data analysis to time series analysis and small area estimation. The applications reflect new analyses in a variety of fields, including medicine, finance, engineering, marketing and cyber risk. The book gathers selected and peer-reviewed contributions presented at the 12th Scientific Meeting of the Classification and Data Analysis Group of the Italian Statistical Society (CLADAG 2019), held in Cassino, Italy, on September 11–13, 2019. CLADAG promotes advanced methodological research in multivariate statistics with a special focus on data analysis and classification, and supports the exchange and dissemination of ideas, methodological concepts, numerical methods, algorithms, and computational and applied results. This book, true to CLADAG's goals, is intended for researchers and practitioners who are interested in the latest developments and applications in the field of data analysis and classification. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Permalink
