Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Statistical Modeling and Simulation for Experimental Design and Machine Learning Applications

Statistical Modeling and Simulation for Experimental Design and Machine Learning Applications Selected Contributions from SimStat 2019 and Invited Papers

Aus der Reihe Contributions to Statistics

Fr. 241.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

20.10.2023

Herausgeber

Jürgen Pilz + weitere

Verlag

Springer

Seitenzahl

265

Maße (L/B/H)

24.1/16/2.1 cm

Gewicht

582 g

Sprache

Englisch

ISBN

978-3-031-40054-4

Beschreibung

Portrait

Jürgen Pilz  is Professor Emeritus at the Department of Statistics at the Alpen-Adria University Klagenfurt in Austria. His research areas include Bayesian statistics, spatial statistics, environmental and industrial statistics, statistical quality control and design of experiments.

Viatcheslav B. Melas  is a Professor at the Department of Stochastic Simulation at the St. Petersburg State University, Russia. His research areas include experimental design, stochastic simulation and regression analysis, with a focus on functional approaches to optimal experimental design.

Arne Bathke  is Full Professor of Statistics at the Paris Lodron University Salzburg, Austria. His main research interests are related to nonparametric and multivariate statistics applied in different fields, from social sciences to biomedicine and engineering.

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

20.10.2023

Herausgeber

Verlag

Springer

Seitenzahl

265

Maße (L/B/H)

24.1/16/2.1 cm

Gewicht

582 g

Sprache

Englisch

ISBN

978-3-031-40054-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Statistical Modeling and Simulation for Experimental Design and Machine Learning Applications
  • -  Part I Invited Papers. - 1. Likelihood Ratios in Forensics: What They Are and What They Are Not. - 2. MANOVA for Large Number of Treatments. - 3. Pollutant Dispersion Simulation by Means of a Stochastic Particle Model and a Dynamic Gaussian Plume Model. - 4. On an Alternative Trigonometric Strategy for Statistical Modeling. -  Part II Design of Experiments. - 5. Incremental Construction of Nested Designs Based on Two-Level Fractional Factorial Designs. - 6. A Study of L -Optimal Designs for the Two-Dimensional Exponential Model. - 7. Testing for Randomized Block Single-Case Designs by Combined Permutation Tests with Multivariate Mixed Data. - 8. Adaptive Design Criteria Motivated by a Plug-In Percentile Estimator. -  Part III Queueing and Inventory Analysis. - 9. On a Parametric Estimation for a Convolution of Exponential Densities. - 10. Statistical Estimation with a Known Quantile and Its Application in a Modified ABC-XYZ Analysis. -  Part IV Machine Learning and Applications. - 11. A Study of Design of Experiments and Machine Learning Methods to Improve Fault Detection Algorithms. - 12. Microstructure Image Segmentation Using Patch-Based Clustering Approach. - 13. Clustering and Symptom Analysis in Binary Data with Application. - 14. Big Data for Credit Risk Analysis: Efficient Machine Learning Models Using PySpark.