Buch, Englisch, 183 Seiten, HC runder Rücken kaschiert, Format (B × H): 160 mm x 241 mm, Gewicht: 1010 g
Reihe: Trends in Mathematics
Buch, Englisch, 183 Seiten, HC runder Rücken kaschiert, Format (B × H): 160 mm x 241 mm, Gewicht: 1010 g
Reihe: Trends in Mathematics
ISBN: 978-3-7643-6575-2
Verlag: Springer
Zielgruppe
Research
Autoren/Hrsg.
Fachgebiete
- Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Datenanalyse, Datenverarbeitung
- Naturwissenschaften Biowissenschaften Molekularbiologie
- Mathematik | Informatik Mathematik Stochastik Wahrscheinlichkeitsrechnung
- Naturwissenschaften Biowissenschaften Tierkunde / Zoologie Tiergenetik, Reproduktion
- Geowissenschaften Umweltwissenschaften Umwelttechnik
- Technische Wissenschaften Umwelttechnik | Umwelttechnologie Umwelttechnik
- Naturwissenschaften Biowissenschaften Botanik Pflanzenreproduktion, Verbreitung, Genetik
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Vorklinische Medizin: Grundlagenfächer Humangenetik
- Naturwissenschaften Biowissenschaften Angewandte Biologie Biomathematik
- Geowissenschaften Umweltwissenschaften Umweltwissenschaften
- Naturwissenschaften Biowissenschaften Biowissenschaften Genetik und Genomik (nichtmedizinisch)
- Mathematik | Informatik Mathematik Stochastik Mathematische Statistik
Weitere Infos & Material
Statistical Interaction with Quantitative Geneticists to Enhance Impact from Plant Breeding Programs.- Outlier Resistance, Standardization, and Modeling Issues for DNA Microarray Data.- Variance Components Estimation with Uncertainty.- Robust Estimation for Chemical Concentration Data Subject to Detection Limits.- Risk Assessment of Low Dose Exposure to Carcinogens.- A Stochastic Model of Carcinogenesis.- Statistical Modelling to Answer Key Questions in Atmospheric Chemistry: Three Case Studies.- Space Debris: Flux in a Two Dimensional Orbit.- A Robust Approach to Common Principal Components.- A Robustified Version of Sliced Inverse Regression.- Similarities Between Location Depth and Regression Depth.- Approximate ?—Estimates for Linear Regression Based on Sub-sampling of Elemental Sets.