m

F Nous contacter

0

Documents  62P12 | enregistrements trouvés : 10

O
     

-A +A

P Q

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research School

This tutorial will be a beginner’s introduction to Bayesian statistical modelling and analysis. Simple models and computational tools will be described, followed by a discussion about implementing these approaches in practice. A range of case studies will be presented and possible solutions proposed, followed by an open discussion about other ways that these problems could be tackled.

62C10 ; 62F15 ; 62P12 ; 62P10

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research talks;Probability and Statistics

Sometimes, you feel you’re spoilt for choice: there are so many good predictors that you could use! Why select and focus on just one? I will review the framework of robust online aggregation (also known as prediction of individual sequences or online aggregation of expert advice). This setting explains how to combine base forecasts provided by ensemble methods. No stochastic modeling is needed and the performance achieved is comparable to the one of the best (constant convex combination of) base forecast(s). I will illustrate the technology on various data sets, including electricity consumption and exchange rates. More importantly, I will point out open issues, both on the theoretical and on the practical sides. Sometimes, you feel you’re spoilt for choice: there are so many good predictors that you could use! Why select and focus on just one? I will review the framework of robust online aggregation (also known as prediction of individual sequences or online aggregation of expert advice). This setting explains how to combine base forecasts provided by ensemble methods. No stochastic modeling is needed and the performance achieved is comparable to the ...

62Lxx ; 62P12 ; 62P20

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research schools;Mathematics in Science and Technology;Probability and Statistics

62P12 ; 62M20 ; 86A05 ; 86A32 ; 93E10

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

Research talks

With the growing capabilities of Geographic Information Systems (GIS) and user-friendly software, statisticians today routinely encounter geographically referenced data containing observations from a large number of spatial locations and time points. Over the last decade, hierarchical spatiotemporal process models have become widely deployed statistical tools for researchers to better understand the complex nature of spatial and temporal variability. However, fitting hierarchical spatiotemporal models often involves expensive matrix computations with complexity increasing in cubic order for the number of spatial locations and temporal points. This renders such models unfeasible for large data sets. I will present a focused review of two methods for constructing well-defined highly scalable spatiotemporal stochastic processes. Both these processes can be used as ``priors" for spatiotemporal random fields. The first approach constructs a low-rank process operating on a lower-dimensional subspace. The second approach constructs a Nearest-Neighbor Gaussian Process (NNGP) that ensures sparse precision matrices for its finite realizations. Both processes can be exploited as a scalable prior embedded within a rich hierarchical modeling framework to deliver full Bayesian inference. These approaches can be described as model-based solutions for big spatiotemporal datasets. The models ensure that the algorithmic complexity has n floating point operations (flops), where n is the number of spatial locations (per iteration). We compare these methods and provide some insight into their methodological underpinnings. With the growing capabilities of Geographic Information Systems (GIS) and user-friendly software, statisticians today routinely encounter geographically referenced data containing observations from a large number of spatial locations and time points. Over the last decade, hierarchical spatiotemporal process models have become widely deployed statistical tools for researchers to better understand the complex nature of spatial and temporal ...

62P12 ; 62M30 ; 62F15

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 221 p.
ISBN 978-0-471-40227-5

Wiley series in probability and statistics

Localisation : Ouvrage RdC (VANB)

statistique # échantillonage # taille d'échantillon # inférence paramétrique # plan d'expérience # statistique appliquée à la biologie # statistique appliquée à la médecine # épidémiologie # étude environnementale

62-01 ; 62Pxx ; 62D05 ; 62Fxx ; 62Kxx ; 62P10 ; 62P12

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 283 p.
ISBN 978-0-387-98642-5

Localisation : Ouvrage RdC (MCGA)

biomathématique # écologie # statistique # statistique appliquée à l'environnement # analyse multivariée

62P12 ; 62-01 ; 62H99 ; 92D40

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 79 p.
ISBN 978-9974-0-0122-0

Serie de notas y publicaciones técnicas

Localisation : Ouvrage RdC (PEREZ)

chaîne de Markov # statistique appliquées aux fleuves # table statistique

60J27 ; 76-XX ; 62P12

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- 475 p.

International series in the earth sciences

Localisation : Ouvrage RdC (KRUM)

modèle statistique # géologie # distribution de populations # inférence statistique # echantillonnage # chi-carré # analyse de la variance # modèle linéaire # matrice # vecteur # analyse de carte # évaluation de données # modèle empirique

62P12 ; 62P35 ; 62P99 ; 86-02

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- viii; 293 p.
ISBN 978-1-4939-6567-0

Fields institute communications , 0078

Localisation : Collection 1er étage

A. Ian McLeod # série temporelle # économétrie # statistique environnementale # modélisation graphique # gestion quantitative des risques

62M10 ; 62P20 ; 62P12 ; 62-06 ; 91B84 ; 00B25 ; 00B30

... Lire [+]

Déposez votre fichier ici pour le déplacer vers cet enregistrement.

- xii; 126 p.

Localisation : Ouvrage RdC (FINK)

modèles d'évolution des séquences d'ADN # processus de Markov # chaînes de Markov cachées # algorithme EM # tests d'hypothèses # tests d'adéquation # tables de contingence creuses # statistique du khi-deux # statistique de Kullback

62F03 ; 62F05 ; 62M05 ; 62P10 ; 62P12 ; 92D15 ; 92D20 ; 92D30 ; 92D40

... Lire [+]

Z