Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: A Mathematical Theory of Arguments for Statistical Evidence

A Mathematical Theory of Arguments for Statistical Evidence

Aus der Reihe Contributions to Statistics

Fr. 72.90

inkl. MwSt, Versandkostenfrei

Beschreibung

Details

Einband

Taschenbuch

Erscheinungsdatum

23.10.2002

Verlag

Physica

Seitenzahl

154

Maße (L/B/H)

21.6/14/1 cm

Gewicht

225 g

Sprache

Englisch

ISBN

978-3-7908-1527-6

Beschreibung

Rezension

From the reviews:

"The book, clearly written, is structured in two parts comprising two and six chapters, respectively. … The overall quality of the book is very good, the material is well organized and notations and terminology are unified. It is a very good presentation of the state of research in the area of modeling reasoning and an insightful reference for the statistician." (Evdokia Xekalaki, Zentralblatt MATH, Vol. 1100 (2), 2007)

Details

Einband

Taschenbuch

Erscheinungsdatum

23.10.2002

Verlag

Physica

Seitenzahl

154

Maße (L/B/H)

21.6/14/1 cm

Gewicht

225 g

Sprache

Englisch

ISBN

978-3-7908-1527-6

Herstelleradresse

Physica Verlag
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Weitere Bände von Contributions to Statistics

Unsere Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: A Mathematical Theory of Arguments for Statistical Evidence
  • 1. The Theory of Generalized Functional Models.- 2. The Plausibility and Likelihood Functions.- 3. Hints on Continuous Frames and Gaussian Linear Systems.- 4. Assumption-Based Reasoning with Classical Regression Models.- 5. Assumption-Based Reasoning with General Gaussian Linear Systems.- 6. Gaussian Hints as a Valuation System.- 7. Local Propagation of Gaussian Hints.- 8. Application to the Kaiman Filter.- References.