СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=ПРИРАЩЕНИЕ ДАННЫХ<.>)

Общее количество найденных документов : 2
Показаны документы с 1 по 2

РЖ ВИНИТИ 34 (BI38) 97.11-04А3.443

Kuha, Jouni.
Estimation by data augmentation in regression models with continuous and discrete covariates measured with error [Text] / Jouni Kuha // Statist. Med. - 1997. - Vol. 16, N 1-3. - P189-201 . - ISSN 0277-6715
Перевод заглавия: Оценивание по приращению данных в регрессионных моделях с непрерывными и дискретными ковариатами, измеренными с ошибками
Аннотация: Estimation methods are considered for regression models which have both misclassified discrete covariates and continuous covariates measured with error. Adjusted parameter estimates are obtained using the method of data augmentation, where the true values of the covariates measured with error are regarded as missing data. Validation data on the covariates are assumed to be available. The distinction between internal and external validation data is emphasized, and its effects on the analysis are examined. The method is illustrated with simulated data. Великобритания. Nuffield College, Oxford OX1 1NF. Библ. 19

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
РЕГРЕССИОННЫЕ МОДЕЛИ
ПРИРАЩЕНИЕ ДАННЫХ
ОЦЕНИВАНИЕ

РЖ ВИНИТИ 34 (BI38) 99.01-04А3.894

Wolpert, Robert L.
Poisson/gamma random field models for spatial statisties [Text] / Robert L. Wolpert, Katja Ickstadt // Biometrika. - 1998. - Vol. 85, N 2. - P251-267 . - ISSN 0006-3444
Перевод заглавия: Пуассоновские гамма-рендомизированные полевые модели для пространственной статистики
Аннотация: Двойные стохастические байесовские иерархические модели вводятся для объяснения неопределенности и пространственной изменчивости лежащих в их основе измерений интенсивности для моделей точечных процессов. Неоднородные поля гамма-процесса, а в более общем случае рандомизированные марковские поля с бесконечноразделенными распределениями используются для конструирования положительно аутокоррелирующими измерениями интенсивности для пространственных точечных пуассоновских процессов; в свою очередь они используются для моделирования числа и локализации индивидуальных событий. Схема приращения данных и численные методы моделирования Монте-Карло марковской цепи задействуются для генерации выборок из байесовских постериорных и предиктивных распределений. Эти методы разработаны как в непрерывном, так и в дискретном множествах данных, и применяются при решении проблемы лесной экологии. США, Inst. of Statistics and Decision Sciences, Duke Univ., Durham, North Carolina 27708-0251. Библ. 40

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ СМЕШАННЫЕ МОДЕЛИ
КОКСА ПРОЦЕСС
ЛЕВИ ПРОЦЕСС
ПРИРАЩЕНИЕ ДАННЫХ
МОДЕЛИРОВАНИЕ МОНТЕ-КАРЛО МАРКОВСКИХ ЦЕПЕЙ

Доп.точки доступа:
Ickstadt, Katja

"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