SULJE VALIKKO

Englanninkielisten kirjojen poikkeusaikata... LUE LISÄÄ

avaa valikko

Mikis D. Stasinopoulos | Akateeminen Kirjakauppa

Haullasi löytyi yhteensä 5 tuotetta
Haluatko tarkentaa hakukriteerejä?



Generalized Additive Models for Location, Scale and Shape: A Distributional Regression Approach, with Applications
Mikis D. Stasinopoulos; Thomas Kneib; Nadja Klein; Andreas Mayr; Gillian Z. Heller
Cambridge University Press (2024)
Kovakantinen kirja
68,30
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Flexible Regression and Smoothing - Using GAMLSS in R
Mikis D. Stasinopoulos; Robert A. Rigby; Gillian Z. Heller; Vlasios Voudouris; Fernanda De Bastiani
Taylor & Francis Ltd (2017)
Kovakantinen kirja
133,50
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Flexible Regression and Smoothing - Using GAMLSS in R
Mikis D. Stasinopoulos; Robert A. Rigby; Gillian Z. Heller; Vlasios Voudouris; Fernanda De Bastiani
Taylor & Francis Ltd (2020)
Pehmeäkantinen kirja
66,30
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Distributions for Modeling Location, Scale, and Shape - Using GAMLSS in R
Robert A. Rigby; Mikis D. Stasinopoulos; Gillian Z. Heller; Fernanda De Bastiani
Taylor & Francis Ltd (2019)
Kovakantinen kirja
177,20
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Distributions for Modeling Location, Scale, and Shape - Using GAMLSS in R
Robert A. Rigby; Mikis D. Stasinopoulos; Gillian Z. Heller; Fernanda De Bastiani
Taylor & Francis Ltd (2021)
Pehmeäkantinen kirja
81,40
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Generalized Additive Models for Location, Scale and Shape: A Distributional Regression Approach, with Applications
68,30 €
Cambridge University Press
Sivumäärä: 306 sivua
Asu: Kovakantinen kirja
Julkaisuvuosi: 2024, 29.02.2024 (lisätietoa)
Kieli: Englanti
Tuotesarja: Cambridge Series in Statistical and Probabilistic Mathematics
An emerging field in statistics, distributional regression facilitates the modelling of the complete conditional distribution, rather than just the mean. This book introduces generalized additive models for location, scale and shape (GAMLSS) – one of the most important classes of distributional regression. Taking a broad perspective, the authors consider penalized likelihood inference, Bayesian inference, and boosting as potential ways of estimating models and illustrate their usage in complex applications. Written by the international team who developed GAMLSS, the text's focus on practical questions and problems sets it apart. Case studies demonstrate how researchers in statistics and other data-rich disciplines can use the model in their work, exploring examples ranging from fetal ultrasounds to social media performance metrics. The R code and data sets for the case studies are available on the book's companion website, allowing for replication and further study.

Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
LISÄÄ OSTOSKORIIN
Tilaustuote | Arvioimme, että tuote lähetetään meiltä noin 1-3 viikossa. | Tilaa jouluksi viimeistään 27.11.2024. Tuote ei välttämättä ehdi jouluksi.
Myymäläsaatavuus
Helsinki
Tapiola
Turku
Tampere
Generalized Additive Models for Location, Scale and Shape: A Distributional Regression Approach, with Applicationszoom
Näytä kaikki tuotetiedot
Sisäänkirjautuminen
Kirjaudu sisään
Rekisteröityminen
Oma tili
Omat tiedot
Omat tilaukset
Omat laskut
Lisätietoja
Asiakaspalvelu
Tietoa verkkokaupasta
Toimitusehdot
Tietosuojaseloste