Título :	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  Estadísticas  Teoría de probabilidad  Matemática Computacional y Análisis Numérico  Teoría y métodos estadísticos
Índice 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 teoría de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadístico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje Estadístico 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 teoría 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 sí solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en línea.
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 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

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  Estadísticas  Teoría de probabilidad  Matemática Computacional y Análisis Numérico  Teoría y métodos estadísticos
Índice 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 teoría de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadístico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje Estadístico 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 teoría 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 sí solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en línea.
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 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