Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Dynamic Robust Bootstrap for Linear Model Selection Using LTS

Name: Dynamic Robust Bootstrap for Linear Model Selection Using LTS
Brand: LAP Lambert Academic Publishing
SKU: 13787627
Price: 52.82 EUR
Availability: InStock
Author: Hassan Sami Uraibi
ISBN: 9783659909269

Hassan Sami Uraibi

Habshah Midi

Bashar Talib

Език

Английски език

Книга С меки корици

Код Либристо: 13787627

Издателство LAP Lambert Academic Publishing, ноември 2015

The Ordinary Least Squares (OLS) method is often use to estimate the parameters of a linear model. U... Цялото описание

Код Либристо: 13787627

128 b

52.82 €

103.30 лв

Външен склад Изпращаме след 5-8 дни

30 дни за връщане на стоката

Клиентите са закупили също

A tres metros sobre el cielo Federico Moccia

С меки корици

9.47 € 18.52 лв

Diplomados sanitarios (Grupo A, subgrupo A2) de las Instituciones Sanitarias de Cantabria. Temario g GOMEZ MARTINEZ

С меки корици

29.46 € 57.62 лв

Obliczanie konstrukcji żelbetowych według Eurokodu 2 Knauff Michał

С меки корици

33.86 € 66.23 лв

Ibsen i wielokulturowa Norwegia Cheng Lixian Cheng

С меки корици

46.39 € 90.74 лв

Konsumerismus und Kinderarbeit in Mexiko Felice Puopolo

С меки корици

52.61 € 102.89 лв

Tokyo Ghoul Yutaka Yamada

Blu-ray

43.75 € 85.57 лв

Vespro della Beata Vergine, Studienpartitur Claudio Monteverdi

Ноти

28.11 € 54.99 лв

Route 44. Timmelsjoch, Südtirol (Wandkalender 2026 DIN A2 quer), CALVENDO Monatskalender Calvendo

Календар

57.17 € 111.81 лв

Sur le liseré des commissures Rolla Книга

С меки корици

18.59 € 36.35 лв

Correspondance Des Ursins

С меки корици

10.97 € 21.46 лв

Cheerleaders Kara Thomas

С меки корици

23.76 € 46.48 лв

Carta Bollata Salvatore Farina

С меки корици

8.54 € 16.70 лв

The Velvet Underground & Nico 45th Anniversary Velvet Underground & Nico

Аудио компактдиск

9.89 € 19.33 лв

Meine Welt auf Deutsch Cordula Meißner

С меки корици

9.42 € 18.42 лв

La Leyenda Negra en el crisol de la comedia. El teatro del Siglo de Oro frente a los estereotipos antihispánicos YOLANDA RODRIGUEZ

С твърди корици

29.67 € 58.03 лв

Chico, mediano, grande / Small, Medium, Large Graciela Repun

С твърди корици

8.80 € 17.21 лв

Los conectores consecutivos en documentos coloniales de la audiencia de Quito, 1563-1822 ELENA DIEZ DEL CORRAL ARETA

С меки корици

79.18 € 154.85 лв

RUS-NACHALA RUSSKAGO GOSUDARST A. D. (Aleksandr Dmitrievi Gradovskii

С меки корици

40.18 € 78.59 лв

La transformación del socialismo chino Lin Chun

С меки корици

30.86 € 60.36 лв

The Ordinary Least Squares (OLS) method is often use to estimate the parameters of a linear model. Under certain assumptions, the OLS estimates are the best linear unbiased estimates. One of the important assumptions of the linear model is that the error terms are normally distributed. Unfortunately, many researchers are not aware that the performance of the OLS can be very poor when the data set for which one often makes a normal assumption, has a heavy-tailed distribution which may arise as a result of outliers. One way to deal with this problem is to use robust statistics which is less affected by the presence of outliers. Another possibility is to apply a bootstrap technique which does not rely on the normality assumption.In this book the use of bootstrap technique is emphasize. Unfortunately, many statistics practitioners are not aware of the fact that most of the classical bootstrap techniques are based on the OLS estimates which is sensitive to outliers. The problems are further complicated when the percentage of outliers in the bootstrap samples are greater than the percentage of outliers in the original sample.