Analytical Methods in Statistics / Maciak, Matúš ; Pešta, Michal ; Schindler, Martin  

Público ISBD Ningún comentario para este registro. Título : Analytical Methods in Statistics : AMISTAT, Liberec, Czech Republic, September 2019 Tipo de documento: documento electrónico Autores: Maciak, Matúš, ; Pešta, Michal, ; Schindler, Martin, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 156 p. 15 ilustraciones, 8 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-48814-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas  Probabilidades  Matemáticas  Teoría y métodos estadísticos  Teoría de probabilidad  Aplicaciones de las matemáticas  Estadística y Computación  Estadísticas aplicadas Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro recopila contribuciones revisadas por pares sobre métodos y temas estadísticos modernos, derivadas del tercer taller sobre métodos analíticos en estadística, AMISTAT 2019, celebrado en Liberec, República Checa, del 16 al 19 de septiembre de 2019. Los problemas de la vida real exigen soluciones estadísticas , que a su vez requieren métodos matemáticos nuevos y profundos. Como tal, el libro no es sólo una colección de problemas resueltos sino también una fuente de nuevos métodos y sus extensiones prácticas. Las contribuciones autorizadas se centran en métodos analíticos en estadística, asintótica, estimación e información de Fisher, robustez, modelos estocásticos y desigualdades, y otros campos relacionados; Además, abordan, por ejemplo, cuantiles de autorregresión promedio, redes neuronales, estimadores de distancia mínima empírica ponderada, estimación de superficie de volatilidad implícita, estimador de Grenander, análisis de componentes no gaussianos, metaaprendizaje y modelos de errores en variables de alta dimensión. Nota de contenido: Preface -- Y. Güney, J. Jurečková and O. Arslan, Averaged Autoregression Quantiles in Autoregressive Model -- J. Kalina and P. Vidnerová, Regression Neural Networks with a Highly Robust Loss Function -- H. L. Koul and P. Geng, Weighted Empirical Minimum Distance Estimators in Berkson Measurement Error Regression Models -- M. Maciak, M. Pešta and S. Vitali, Implied Volatility Surface Estimation via Quantile Regularization -- I. Mizera, A remark on the Grenander estimator -- U. Radojičić and K. Nordhausen, Non-Gaussian Component Analysis: Testing the Dimension of the Signal Subspace -- P. Vidnerová, J. Kalina and Y. Güney, A Comparison of Robust Model Choice Criteria within a Metalearning Study -- S. Zwanzig and R. Ahmad, On Parameter Estimation for High Dimensional Errors-in-Variables 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 Analytical Methods in Statistics : AMISTAT, Liberec, Czech Republic, September 2019 [documento electrónico] / Maciak, Matúš, ; Pešta, Michal, ; Schindler, Martin,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - X, 156 p. 15 ilustraciones, 8 ilustraciones en color. ISBN : 978-3-030-48814-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas  Probabilidades  Matemáticas  Teoría y métodos estadísticos  Teoría de probabilidad  Aplicaciones de las matemáticas  Estadística y Computación  Estadísticas aplicadas Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro recopila contribuciones revisadas por pares sobre métodos y temas estadísticos modernos, derivadas del tercer taller sobre métodos analíticos en estadística, AMISTAT 2019, celebrado en Liberec, República Checa, del 16 al 19 de septiembre de 2019. Los problemas de la vida real exigen soluciones estadísticas , que a su vez requieren métodos matemáticos nuevos y profundos. Como tal, el libro no es sólo una colección de problemas resueltos sino también una fuente de nuevos métodos y sus extensiones prácticas. Las contribuciones autorizadas se centran en métodos analíticos en estadística, asintótica, estimación e información de Fisher, robustez, modelos estocásticos y desigualdades, y otros campos relacionados; Además, abordan, por ejemplo, cuantiles de autorregresión promedio, redes neuronales, estimadores de distancia mínima empírica ponderada, estimación de superficie de volatilidad implícita, estimador de Grenander, análisis de componentes no gaussianos, metaaprendizaje y modelos de errores en variables de alta dimensión. Nota de contenido: Preface -- Y. Güney, J. Jurečková and O. Arslan, Averaged Autoregression Quantiles in Autoregressive Model -- J. Kalina and P. Vidnerová, Regression Neural Networks with a Highly Robust Loss Function -- H. L. Koul and P. Geng, Weighted Empirical Minimum Distance Estimators in Berkson Measurement Error Regression Models -- M. Maciak, M. Pešta and S. Vitali, Implied Volatility Surface Estimation via Quantile Regularization -- I. Mizera, A remark on the Grenander estimator -- U. Radojičić and K. Nordhausen, Non-Gaussian Component Analysis: Testing the Dimension of the Signal Subspace -- P. Vidnerová, J. Kalina and Y. Güney, A Comparison of Robust Model Choice Criteria within a Metalearning Study -- S. Zwanzig and R. Ahmad, On Parameter Estimation for High Dimensional Errors-in-Variables 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