國立虎尾科技大學 |

Intervalldaten und generalisierte lineare Modelle

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Intervalldaten und generalisierte lineare Modelle/ von Michael Seitz.
Author:	Seitz, Michael.
Description:	XVII, 110 S. 31 Abb.online resource. :
Contained By:	Springer Nature eBook
Subject:	Probabilities. -
Online resource:	https://doi.org/10.1007/978-3-658-08746-3
ISBN:	9783658087463

Intervalldaten und generalisierte lineare Modelle
Seitz, Michael.

Intervalldaten und generalisierte lineare Modelle[electronic resource] /von Michael Seitz. - 1st ed. 2015. - XVII, 110 S. 31 Abb.online resource. - BestMasters,2625-3577. - BestMasters,.

Numerische Optimierungsverfahren zur Lösung des Problems -- Direkte Optimierung der Parameter und Optimierung -- Anwendung der Verfahren auf simulierte Daten.

Da eine direkte präzise Schätzung von Parametern mit Intervalldaten in generalisierten linearen Modellen nicht möglich ist, formuliert Michael Seitz die Intervallschätzungen der Parameter als Optimierungsproblem und schlägt numerische Verfahren vor, um diese zu lösen. Die Herausforderung liegt dabei in der numerischen Lösung des hochdimensionalen Optimierungsproblems. Dieses wird hier näherungsweise mit einer Kombination aus bekannten numerischen Verfahren für nicht-lineare Zielfunktionen und heuristischem Vorgehen gelöst. Des Weiteren werden für einige Spezialfälle andere zuverlässigere Verfahren vorgestellt. Der Inhalt Numerische Optimierungsverfahren zur Lösung des Problems Direkte Optimierung der Parameter und Optimierung Anwendung der Verfahren auf simulierte Daten Die Zielgruppen Dozenten und Studenten der Mathematik mit den Schwerpunkten Statistik und Informatik Praktiker, die sich mit Statistik und Datenanalyse befassen Der Autor Michael Seitz verfasste seine Masterarbeit bei Prof. Dr. Thomas Augustin am Institut für Statistik an der Ludwig-Maximilians-Universität München und promoviert derzeit an der Technischen Universität München.

ISBN: 9783658087463

Standard No.: 10.1007/978-3-658-08746-3doiSubjects--Topical Terms:

527847
Probabilities.

LC Class. No.: QA273.A1-274.9

Dewey Class. No.: 519.2

Intervalldaten und generalisierte lineare Modelle
LDR:02615nam a22003855i 4500 001 963553
003 DE-He213
005 20200711131940.0
007 cr nn 008mamaa
008 201211s2015 gw | s |||| 0|ger d
020 $a 9783658087463 $9 978-3-658-08746-3
024 7 $a 10.1007/978-3-658-08746-3 $2 doi
035 $a 978-3-658-08746-3
050 4 $a QA273.A1-274.9
050 4 $a QA274-274.9
072 7 $a PBT $2 bicssc
072 7 $a MAT029000 $2 bisacsh
072 7 $a PBT $2 thema
072 7 $a PBWL $2 thema
082 0 4 $a 519.2 $2 23
100 1 $a Seitz, Michael. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1258567
245 1 0 $a Intervalldaten und generalisierte lineare Modelle $h [electronic resource] / $c von Michael Seitz.
250 $a 1st ed. 2015.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Spektrum, $c 2015.
300 $a XVII, 110 S. 31 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a BestMasters, $x 2625-3577
505 0 $a Numerische Optimierungsverfahren zur Lösung des Problems -- Direkte Optimierung der Parameter und Optimierung -- Anwendung der Verfahren auf simulierte Daten.
520 $a Da eine direkte präzise Schätzung von Parametern mit Intervalldaten in generalisierten linearen Modellen nicht möglich ist, formuliert Michael Seitz die Intervallschätzungen der Parameter als Optimierungsproblem und schlägt numerische Verfahren vor, um diese zu lösen. Die Herausforderung liegt dabei in der numerischen Lösung des hochdimensionalen Optimierungsproblems. Dieses wird hier näherungsweise mit einer Kombination aus bekannten numerischen Verfahren für nicht-lineare Zielfunktionen und heuristischem Vorgehen gelöst. Des Weiteren werden für einige Spezialfälle andere zuverlässigere Verfahren vorgestellt. Der Inhalt Numerische Optimierungsverfahren zur Lösung des Problems Direkte Optimierung der Parameter und Optimierung Anwendung der Verfahren auf simulierte Daten Die Zielgruppen Dozenten und Studenten der Mathematik mit den Schwerpunkten Statistik und Informatik Praktiker, die sich mit Statistik und Datenanalyse befassen Der Autor Michael Seitz verfasste seine Masterarbeit bei Prof. Dr. Thomas Augustin am Institut für Statistik an der Ludwig-Maximilians-Universität München und promoviert derzeit an der Technischen Universität München.
650 0 $a Probabilities. $3 527847
650 0 $a Bioinformatics . $3 1253897
650 0 $a Computational biology . $3 1253898
650 0 $a Mathematical analysis. $3 527926
650 0 $a Analysis (Mathematics). $3 1253570
650 1 4 $a Probability Theory and Stochastic Processes. $3 593945
650 2 4 $a Computer Appl. in Life Sciences. $3 593908
650 2 4 $a Analysis. $3 669490
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658087456
830 0 $a BestMasters, $x 2625-3577 $3 1253531
856 4 0 $u https://doi.org/10.1007/978-3-658-08746-3
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)