Bayesian Statistics and New Generations / Argiento, Raffaele ; Durante, Daniele ; Wade, Sara  

Público ISBD Ningún comentario para este título. Título : Bayesian Statistics and New Generations : BAYSM 2018, Warwick, UK, July 2-3 Selected Contributions Tipo de documento: documento electrónico Autores: Argiento, Raffaele, ; Durante, Daniele, ; Wade, Sara, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XI, 184 p. 40 ilustraciones, 29 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-30611-3 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: Estadísticas  Biometría  Simulación por ordenador  Teoría y métodos estadísticos.  Estadística y Computación  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros  Bioestadística  Modelado por computadora Clasificación: 519.5 Resumen: Este libro presenta una selección de contribuciones revisadas por pares a la cuarta Reunión Bayesiana de Jóvenes Estadísticos, BAYSM 2018, celebrada en la Universidad de Warwick los días 2 y 3 de julio de 2018. La reunión brindó una valiosa oportunidad para jóvenes investigadores, estudiantes de maestría, estudiantes de doctorado, y postdoctorados interesados ​​en estadísticas bayesianas para conectarse con la comunidad bayesiana en general. Las actas ofrecen artículos de vanguardia sobre una amplia gama de temas de la estadística bayesiana, identifican desafíos importantes e investigan enfoques metodológicos prometedores, al mismo tiempo que evalúan métodos actuales y aplicaciones estimulantes. El libro está dirigido a una amplia audiencia de estadísticos y demuestra cómo los aspectos teóricos, metodológicos y computacionales a menudo se combinan en el marco bayesiano para abordar con éxito problemas complejos. Nota de contenido: Part I – Theory and Methods: A. Diana, J. Griffin, and E. Matechou, A Polya Tree Based Model for Unmarked Individuals in an Open Wildlife Population -- S. Haque and K. Mengersen, Bias Estimation and Correction Using Bootstrap Simulation of the Linking Process -- N. Laitonjam and N. Hurley, Non-parametric Overlapping Community Detection -- L. Fee Schneider, T. Staudt, and A. Munk, Posterior Consistency in the Binomial Model with Unknown Parameters: A Numerical Study -- C. Spire and D. Chakrabarty, Learning in the Absence of Training Data - a Galactic Application -- D. Tait and B. Worton, Multiplicative Latent Force Models -- PART II – Computational Statistics: N. Cunningham, J. E. Griffin, D. L. Wild, and A. Lee, particleMDI: A Julia Package for the Integrative Cluster Analysis of Multiple Datasets -- D. Hosszejni and G. Kastner, Approaches Toward the Bayesian Estimation of the Stochastic Volatility Model with Leverage -- B. Karimi and M. Lavielle, Efficient Metropolis-Hastings Sampling for Nonlinear Mixed Effects Models -- G. Kratzer, Reinhard Furrer, and Pittavino Marta. Comparison Between Suitable Priors for Additive Bayesian Networks -- I. Peneva and R. Savage, A Bayesian Nonparametric Model for Integrative Clustering of Omics Data -- I. Schwabe, Bayesian Inference of Interaction Effects in Item-Level Hierarchical Twin Data -- PART III – Applied Statistics: K. Brock, L. Billingham, C. Yap, and G. Middleton, A Phase II Clinical Trial Design for Associated Co-Primary Efficacy and Toxicity Outcomes with Baseline Covariates -- E. Lanzarone, E. Scalco, A. Mastropietro, S. Marzi, and G. Rizzo, A Conditional Autoregressive Model for estimating Slow and Fast Diffusion from Magnetic Resonance Images -- D. Rocha, M. Scotto, C. Pinto, J. Nuno Tavares, and S. Gouveia, Simulation Study of HIV Temporal Patterns Using Bayesian Methodology -- A. Shenvi, J. Smith, R. Walton, and S. Eldridge, Modelling with Non-Stratified Chain Event Graphs -- O. Stevenson and B.Brewer, Modelling Career Trajectories of Cricket Players Using Gaussian Processes -- F. Turner, R. Wilkinson, C. Buck, J. Jones, and L. Sime, Ice Cores and Emulation: Learning More About Past Ice Sheet Shapes. Tipo de medio : Computadora Summary : This book presents a selection of peer-reviewed contributions to the fourth Bayesian Young Statisticians Meeting, BAYSM 2018, held at the University of Warwick on 2-3 July 2018. The meeting provided a valuable opportunity for young researchers, MSc students, PhD students, and postdocs interested in Bayesian statistics to connect with the broader Bayesian community. The proceedings offer cutting-edge papers on a wide range of topics in Bayesian statistics, identify important challenges and investigate promising methodological approaches, while also assessing current methods and stimulating applications. The book is intended for a broad audience of statisticians, and demonstrates how theoretical, methodological, and computational aspects are often combined in the Bayesian framework to successfully tackle complex problems. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Bayesian Statistics and New Generations : BAYSM 2018, Warwick, UK, July 2-3 Selected Contributions [documento electrónico] / Argiento, Raffaele, ; Durante, Daniele, ; Wade, Sara,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XI, 184 p. 40 ilustraciones, 29 ilustraciones en color. ISBN : 978-3-030-30611-3 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: Estadísticas  Biometría  Simulación por ordenador  Teoría y métodos estadísticos.  Estadística y Computación  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros  Bioestadística  Modelado por computadora Clasificación: 519.5 Resumen: Este libro presenta una selección de contribuciones revisadas por pares a la cuarta Reunión Bayesiana de Jóvenes Estadísticos, BAYSM 2018, celebrada en la Universidad de Warwick los días 2 y 3 de julio de 2018. La reunión brindó una valiosa oportunidad para jóvenes investigadores, estudiantes de maestría, estudiantes de doctorado, y postdoctorados interesados ​​en estadísticas bayesianas para conectarse con la comunidad bayesiana en general. Las actas ofrecen artículos de vanguardia sobre una amplia gama de temas de la estadística bayesiana, identifican desafíos importantes e investigan enfoques metodológicos prometedores, al mismo tiempo que evalúan métodos actuales y aplicaciones estimulantes. El libro está dirigido a una amplia audiencia de estadísticos y demuestra cómo los aspectos teóricos, metodológicos y computacionales a menudo se combinan en el marco bayesiano para abordar con éxito problemas complejos. Nota de contenido: Part I – Theory and Methods: A. Diana, J. Griffin, and E. Matechou, A Polya Tree Based Model for Unmarked Individuals in an Open Wildlife Population -- S. Haque and K. Mengersen, Bias Estimation and Correction Using Bootstrap Simulation of the Linking Process -- N. Laitonjam and N. Hurley, Non-parametric Overlapping Community Detection -- L. Fee Schneider, T. Staudt, and A. Munk, Posterior Consistency in the Binomial Model with Unknown Parameters: A Numerical Study -- C. Spire and D. Chakrabarty, Learning in the Absence of Training Data - a Galactic Application -- D. Tait and B. Worton, Multiplicative Latent Force Models -- PART II – Computational Statistics: N. Cunningham, J. E. Griffin, D. L. Wild, and A. Lee, particleMDI: A Julia Package for the Integrative Cluster Analysis of Multiple Datasets -- D. Hosszejni and G. Kastner, Approaches Toward the Bayesian Estimation of the Stochastic Volatility Model with Leverage -- B. Karimi and M. Lavielle, Efficient Metropolis-Hastings Sampling for Nonlinear Mixed Effects Models -- G. Kratzer, Reinhard Furrer, and Pittavino Marta. Comparison Between Suitable Priors for Additive Bayesian Networks -- I. Peneva and R. Savage, A Bayesian Nonparametric Model for Integrative Clustering of Omics Data -- I. Schwabe, Bayesian Inference of Interaction Effects in Item-Level Hierarchical Twin Data -- PART III – Applied Statistics: K. Brock, L. Billingham, C. Yap, and G. Middleton, A Phase II Clinical Trial Design for Associated Co-Primary Efficacy and Toxicity Outcomes with Baseline Covariates -- E. Lanzarone, E. Scalco, A. Mastropietro, S. Marzi, and G. Rizzo, A Conditional Autoregressive Model for estimating Slow and Fast Diffusion from Magnetic Resonance Images -- D. Rocha, M. Scotto, C. Pinto, J. Nuno Tavares, and S. Gouveia, Simulation Study of HIV Temporal Patterns Using Bayesian Methodology -- A. Shenvi, J. Smith, R. Walton, and S. Eldridge, Modelling with Non-Stratified Chain Event Graphs -- O. Stevenson and B.Brewer, Modelling Career Trajectories of Cricket Players Using Gaussian Processes -- F. Turner, R. Wilkinson, C. Buck, J. Jones, and L. Sime, Ice Cores and Emulation: Learning More About Past Ice Sheet Shapes. Tipo de medio : Computadora Summary : This book presents a selection of peer-reviewed contributions to the fourth Bayesian Young Statisticians Meeting, BAYSM 2018, held at the University of Warwick on 2-3 July 2018. The meeting provided a valuable opportunity for young researchers, MSc students, PhD students, and postdocs interested in Bayesian statistics to connect with the broader Bayesian community. The proceedings offer cutting-edge papers on a wide range of topics in Bayesian statistics, identify important challenges and investigate promising methodological approaches, while also assessing current methods and stimulating applications. The book is intended for a broad audience of statisticians, and demonstrates how theoretical, methodological, and computational aspects are often combined in the Bayesian framework to successfully tackle complex problems. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

StartUp Research 2017, Siena, Italy, June 25–27 / Canale, Antonio ; Durante, Daniele ; Paci, Lucia ; Scarpa, Bruno  

Público ISBD Ningún comentario para este título. Título : StartUp Research 2017, Siena, Italy, June 25–27 Tipo de documento: documento electrónico Autores: Canale, Antonio, ; Durante, Daniele, ; Paci, Lucia, ; Scarpa, Bruno, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XI, 156 p. 62 ilustraciones, 26 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-00039-4 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: Estadísticas  Biometría  Neurociencias  Teoría y métodos estadísticos.  Bioestadística  Neurociencia Clasificación: 519.5 Resumen: Este volumen presenta una colección de contribuciones revisadas por pares que surgen de StartUp Research: una estimulante experiencia de investigación en la que veintiocho investigadores principiantes colaboraron con siete profesores internacionales de alto nivel para desarrollar métodos estadísticos novedosos para datos complejos de imágenes cerebrales. Durante esta reunión, que se celebró del 25 al 27 de junio de 2017 en Siena (Italia), los grupos de investigación se centraron en conjuntos de datos de imágenes multimodales recientes que miden la función y estructura del cerebro y propusieron una amplia variedad de métodos para análisis de redes, inferencia espacial y gráficos. modelado, pruebas múltiples, inferencia dinámica, fusión de datos, factorización tensorial, análisis orientado a objetos y otros. Los resultados de sus estudios se recogen aquí, junto con una contribución final de Michele Guindani y Marina Vannucci que abre nuevas direcciones de investigación en este campo. El libro ofrece un recurso valioso para todos los investigadores en ciencia de datos y neurociencia que estén interesados ​​en las prometedoras intersecciones de estas dos disciplinas fundamentales. Nota de contenido: 1 S. Ranciati et al, Understanding Dependency Patterns in Structural and Functional Brain Connectivity through fMRI and DTI Data -- 2 E. Aliverti et al, Hierarchical Graphical Model for Learning Functional Network Determinants -- 3 A. Cabassi et al, Three Testing Perspectives on Connectome Data -- 4 A. Cappozzo et al, An Object Oriented Approach to Multimodal Imaging Data in Neuroscience -- 5 G. Bertarelli et al, Curve Clustering for Brain Functional Activity and Synchronization -- 6 F. Gasperoni and A. Luati, Robust Methods for Detecting Spontaneous Activations in fMRI Data -- 7 A. Caponera et al, Hierarchical Spatio-Temporal Modeling of Resting State fMRI Data -- 8 M. Guindani and M. Vannucci, Challenges in the Analysis of Neuroscience Data. Tipo de medio : Computadora Summary : This volume presents a collection of peer-reviewed contributions arising from StartUp Research: a stimulating research experience in which twenty-eight early-career researchers collaborated with seven senior international professors in order to develop novel statistical methods for complex brain imaging data. During this meeting, which was held on June 25–27, 2017 in Siena (Italy), the research groups focused on recent multimodality imaging datasets measuring brain function and structure, and proposed a wide variety of methods for network analysis, spatial inference, graphical modeling, multiple testing, dynamic inference, data fusion, tensor factorization, object-oriented analysis and others. The results of their studies are gathered here, along with a final contribution by Michele Guindani and Marina Vannucci that opens new research directions in this field. The book offers a valuable resource for all researchers in Data Science and Neuroscience who are interested in the promising intersections of these two fundamental disciplines. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] StartUp Research 2017, Siena, Italy, June 25–27 [documento electrónico] / Canale, Antonio, ; Durante, Daniele, ; Paci, Lucia, ; Scarpa, Bruno,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XI, 156 p. 62 ilustraciones, 26 ilustraciones en color. ISBN : 978-3-030-00039-4 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: Estadísticas  Biometría  Neurociencias  Teoría y métodos estadísticos.  Bioestadística  Neurociencia Clasificación: 519.5 Resumen: Este volumen presenta una colección de contribuciones revisadas por pares que surgen de StartUp Research: una estimulante experiencia de investigación en la que veintiocho investigadores principiantes colaboraron con siete profesores internacionales de alto nivel para desarrollar métodos estadísticos novedosos para datos complejos de imágenes cerebrales. Durante esta reunión, que se celebró del 25 al 27 de junio de 2017 en Siena (Italia), los grupos de investigación se centraron en conjuntos de datos de imágenes multimodales recientes que miden la función y estructura del cerebro y propusieron una amplia variedad de métodos para análisis de redes, inferencia espacial y gráficos. modelado, pruebas múltiples, inferencia dinámica, fusión de datos, factorización tensorial, análisis orientado a objetos y otros. Los resultados de sus estudios se recogen aquí, junto con una contribución final de Michele Guindani y Marina Vannucci que abre nuevas direcciones de investigación en este campo. El libro ofrece un recurso valioso para todos los investigadores en ciencia de datos y neurociencia que estén interesados ​​en las prometedoras intersecciones de estas dos disciplinas fundamentales. Nota de contenido: 1 S. Ranciati et al, Understanding Dependency Patterns in Structural and Functional Brain Connectivity through fMRI and DTI Data -- 2 E. Aliverti et al, Hierarchical Graphical Model for Learning Functional Network Determinants -- 3 A. Cabassi et al, Three Testing Perspectives on Connectome Data -- 4 A. Cappozzo et al, An Object Oriented Approach to Multimodal Imaging Data in Neuroscience -- 5 G. Bertarelli et al, Curve Clustering for Brain Functional Activity and Synchronization -- 6 F. Gasperoni and A. Luati, Robust Methods for Detecting Spontaneous Activations in fMRI Data -- 7 A. Caponera et al, Hierarchical Spatio-Temporal Modeling of Resting State fMRI Data -- 8 M. Guindani and M. Vannucci, Challenges in the Analysis of Neuroscience Data. Tipo de medio : Computadora Summary : This volume presents a collection of peer-reviewed contributions arising from StartUp Research: a stimulating research experience in which twenty-eight early-career researchers collaborated with seven senior international professors in order to develop novel statistical methods for complex brain imaging data. During this meeting, which was held on June 25–27, 2017 in Siena (Italy), the research groups focused on recent multimodality imaging datasets measuring brain function and structure, and proposed a wide variety of methods for network analysis, spatial inference, graphical modeling, multiple testing, dynamic inference, data fusion, tensor factorization, object-oriented analysis and others. The results of their studies are gathered here, along with a final contribution by Michele Guindani and Marina Vannucci that opens new research directions in this field. The book offers a valuable resource for all researchers in Data Science and Neuroscience who are interested in the promising intersections of these two fundamental disciplines. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200