KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
Produktbild: MODA4 — Advances in Model-Oriented Data Analysis

MODA4 — Advances in Model-Oriented Data Analysis Proceedings of the 4th International Workshop in Spetses, Greece June 5–9, 1995

Aus der Reihe Contributions to Statistics

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.05.1995

Abbildungen

XIV, 297 p.

Herausgeber

Christos P. Kitsos + weitere

Verlag

Physica

Seitenzahl

297

Maße (L/B/H)

29,7/21/1,7 cm

Gewicht

814 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-7908-0864-3

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

17.05.1995

Abbildungen

XIV, 297 p.

Herausgeber

Verlag

Physica

Seitenzahl

297

Maße (L/B/H)

29,7/21/1,7 cm

Gewicht

814 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-3-7908-0864-3

Herstelleradresse

Physica Verlag
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: MODA4 — Advances in Model-Oriented Data Analysis
  • I Optimal Design.- Optimal Designs for Time—Dependent Responses.- Robust Optimal Designs with Constraints.- Bayesian Designs for Approximate Normality.- Simulation Approach to One-Stage and Sequential Optimal Design Problems.- One Bound for the Mean Duration of Sequential Testing Homogeneity.- MV-optimization in Simple Linear Regression.- On the Support Points of D-Optimal Nonlinear Experimental Designs for Chemical Kinetics.- Designing Experiments for Additive Nonlinear Models.- D-Optimal Designs for Generalized Linear Models.- Further Results on Optimal Designs for Generalized Tic Polynomials on the Simplex.- Relations between Spring and Chemical Balance Weighing Designs with the Diagonal Covariance Matrix of Errors.- Optimal Design for Experiments with Potentially Failing Trials.- Regression Design for One-Dimensional Subspaces.- D-Optimal First Order Saturated Designs with n ? 2mod4 Observations.- On Information Matrices for Fixed and Random Parameters in Generally Balanced Experimental Block Designs.- Estimation of Parameters in Factorial Triallel Analysis for BIB Design — the Mixed Model.- On the Optimality of Certain Nested Block Designs under a Mixed Effects Model.- Construction of A-Optimum Cross-Over Designs.- An Algorithm for Sampling Optimization for Semivariogram Estimation.- II Estimation and Optimization.- Multivariate Transformations, Regression Diagnostics and Seemingly Unrelated Regression.- Regression Rank Scores: Asymptotic Linearity and RR-Estimators.- The Asymptotic Distribution of Regression Parameters.- Some Simulation Results on Cross-Validation and Competitors for Model Choice.- Robust Estimation of Non-linear Aspects.- Robust Minimax Adaptive M-Estimators of Regression Parameters.- Modeling Heterogeneity and Extraneous Variation UsingWeighted Distributions.- Gibbs Sampling for ARCH Models in Finance.- A Class of Recursive Algorithms Using Non-parametric Methods with Constant Step Size and Window Width: A Numerical Study.- Robust Design of Products Depending on Both Qualitative and Quantitative Factors.- Improving on Golden-Section Optimisation for Locally Symmetric Functions.