СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Поисковый запрос: (<.>S=НОВЫЙ КЛАСС МОДЕЛЕЙ СМЕСИ ОБРАЗОВ<.>)

Общее количество найденных документов : 1

Вид документа : Статья из журнала

РЖ ВИНИТИ 34 (BI38) 06.10-04А3.720

Автор(ы) : Demirtas, Hakan
Заглавие : Multiple imputation under Bayesianly smoothed pattern-mixture models for non-ignorable drop-out
Источник статьи : Statist. Med. - 2005. - Vol. 24, N 15. - С. 2345-2363
Аннотация: Стандартные модели смесей образов часто оказывается крайне чувствительными к неправильной модельной классификации. Это оказывается особенно важным при возможности выпадения отдельных данных. Предложен новый класс моделей смеси образов со случайными коэффициентами с байесовским сглаживанием, предназначенный для этого случая. Вместо жестких ограничений в виде равенств используется новая процедура полиномиального сглаживания. Подробно описан иерархический вариант такого сглаживания (иерархическая Байесовская модель). Представлены результаты проведенных экспериментов на синтезированных и реальных данных, доказывающие эффективность нового метода с вычислительной точки зрения. США, Div. of Epidemiol. and Biostatistics, Univ. of Illinois at Chicago, Chicago, IL 60612-4336. Ил. 7. Библ. 25
ГРНТИ : 34.05.25
Предметные рубрики: ОБРАБОТКА ДАННЫХ
СТАНДАРТНЫЕ МОДЕЛИ СМЕСИ ОБРАЗОВ
БАЙСОВСКОЕ СГЛАЖИВАНИЕ
НЕПРЕНЕБРЕЖИМОЕ ВЫПАДЕНИЕ ДАННЫХ
НОВЫЙ КЛАСС МОДЕЛЕЙ СМЕСИ ОБРАЗОВ
СГЛАЖИВАНИЕ ПОЛИНОМИАЛЬНЫХ КОЭФФИЦИЕНТОВ
ИЕРАРХИЧЕСКАЯ БАЙЕСОВСКАЯ МОДЕЛЬ
БИОМЕДИЦИНСКИЕ ИССЛЕДОВАНИЯ
Дата ввода:

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска