2015
GENREMonograph
AUTHORS PUBLISHERSpringer Nature
ABSTRACTDa 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. More... »
http://scigraph.springernature.com/pub.10.1007/978-3-658-08746-3
DOIhttp://dx.doi.org/10.1007/978-3-658-08746-3
ISBN978-3-658-08745-6 | 978-3-658-08746-3
DIMENSIONShttps://app.dimensions.ai/details/publication/pub.1019343425
JSON-LD is the canonical representation for SciGraph data.
TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT
[
{
"@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json",
"author": [
{
"affiliation": {
"alternateName": "Fakult\u00e4t f\u00fcr Informatik und Mathematik, Hochschule M\u00fcnchen, M\u00fcnchen, Germany",
"id": "http://www.grid.ac/institutes/grid.434949.7",
"name": [
"Fakult\u00e4t f\u00fcr Informatik und Mathematik, Hochschule M\u00fcnchen, M\u00fcnchen, Germany"
],
"type": "Organization"
},
"familyName": "Seitz",
"givenName": "Michael",
"id": "sg:person.013540646657.07",
"sameAs": [
"https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.013540646657.07"
],
"type": "Person"
}
],
"datePublished": "2015",
"datePublishedReg": "2015-01-01",
"description": "Da eine direkte pr\u00e4zise Sch\u00e4tzung von Parametern mit Intervalldaten in generalisierten linearen Modellen nicht m\u00f6glich ist, formuliert Michael Seitz die Intervallsch\u00e4tzungen der Parameter als Optimierungsproblem und schl\u00e4gt numerische Verfahren vor, um diese zu l\u00f6sen. Die Herausforderung liegt dabei in der numerischen L\u00f6sung des hochdimensionalen Optimierungsproblems. Dieses wird hier n\u00e4herungsweise mit einer Kombination aus bekannten numerischen Verfahren f\u00fcr nicht-lineare Zielfunktionen und heuristischem Vorgehen gel\u00f6st. Des Weiteren werden f\u00fcr einige Spezialf\u00e4lle andere zuverl\u00e4ssigere Verfahren vorgestellt. Der Inhalt Numerische Optimierungsverfahren zur L\u00f6sung 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 f\u00fcr Statistik an der Ludwig-Maximilians-Universit\u00e4t M\u00fcnchen und promoviert derzeit an der Technischen Universit\u00e4t M\u00fcnchen.",
"genre": "monograph",
"id": "sg:pub.10.1007/978-3-658-08746-3",
"inLanguage": "de",
"isAccessibleForFree": false,
"isbn": [
"978-3-658-08745-6",
"978-3-658-08746-3"
],
"name": "Intervalldaten und generalisierte lineare Modelle",
"productId": [
{
"name": "dimensions_id",
"type": "PropertyValue",
"value": [
"pub.1019343425"
]
},
{
"name": "doi",
"type": "PropertyValue",
"value": [
"10.1007/978-3-658-08746-3"
]
}
],
"publisher": {
"name": "Springer Nature",
"type": "Organisation"
},
"sameAs": [
"https://doi.org/10.1007/978-3-658-08746-3",
"https://app.dimensions.ai/details/publication/pub.1019343425"
],
"sdDataset": "books",
"sdDatePublished": "2022-05-20T07:40",
"sdLicense": "https://scigraph.springernature.com/explorer/license/",
"sdPublisher": {
"name": "Springer Nature - SN SciGraph project",
"type": "Organization"
},
"sdSource": "s3://com-springernature-scigraph/baseset/20220519/entities/gbq_results/book/book_22.jsonl",
"type": "Book",
"url": "https://doi.org/10.1007/978-3-658-08746-3"
}
]
Download the RDF metadata as: json-ld nt turtle xml License info
JSON-LD is a popular format for linked data which is fully compatible with JSON.
curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/978-3-658-08746-3'
N-Triples is a line-based linked data format ideal for batch operations.
curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/978-3-658-08746-3'
Turtle is a human-readable linked data format.
curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/978-3-658-08746-3'
RDF/XML is a standard XML format for linked data.
curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/978-3-658-08746-3'
This table displays all metadata directly associated to this object as RDF triples.
42 TRIPLES
19 PREDICATES
23 URIs
18 LITERALS
5 BLANK NODES
Subject | Predicate | Object | |
---|---|---|---|
1 | sg:pub.10.1007/978-3-658-08746-3 | schema:author | N57b760313b6448c4a227d2258c194dfb |
2 | ″ | schema:datePublished | 2015 |
3 | ″ | schema:datePublishedReg | 2015-01-01 |
4 | ″ | schema:description | 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. |
5 | ″ | schema:genre | monograph |
6 | ″ | schema:inLanguage | de |
7 | ″ | schema:isAccessibleForFree | false |
8 | ″ | schema:isbn | 978-3-658-08745-6 |
9 | ″ | ″ | 978-3-658-08746-3 |
10 | ″ | schema:name | Intervalldaten und generalisierte lineare Modelle |
11 | ″ | schema:productId | N225ec2c22c554378a98e1df8df20a882 |
12 | ″ | ″ | N97674134439245e38932e89bf826bd9b |
13 | ″ | schema:publisher | N83f79d9eafd54fe4b8bed9656d111d5f |
14 | ″ | schema:sameAs | https://app.dimensions.ai/details/publication/pub.1019343425 |
15 | ″ | ″ | https://doi.org/10.1007/978-3-658-08746-3 |
16 | ″ | schema:sdDatePublished | 2022-05-20T07:40 |
17 | ″ | schema:sdLicense | https://scigraph.springernature.com/explorer/license/ |
18 | ″ | schema:sdPublisher | Nd9f51d6da1f14b808f0e9e8f94a12089 |
19 | ″ | schema:url | https://doi.org/10.1007/978-3-658-08746-3 |
20 | ″ | sgo:license | sg:explorer/license/ |
21 | ″ | sgo:sdDataset | books |
22 | ″ | rdf:type | schema:Book |
23 | N225ec2c22c554378a98e1df8df20a882 | schema:name | dimensions_id |
24 | ″ | schema:value | pub.1019343425 |
25 | ″ | rdf:type | schema:PropertyValue |
26 | N57b760313b6448c4a227d2258c194dfb | rdf:first | sg:person.013540646657.07 |
27 | ″ | rdf:rest | rdf:nil |
28 | N83f79d9eafd54fe4b8bed9656d111d5f | schema:name | Springer Nature |
29 | ″ | rdf:type | schema:Organisation |
30 | N97674134439245e38932e89bf826bd9b | schema:name | doi |
31 | ″ | schema:value | 10.1007/978-3-658-08746-3 |
32 | ″ | rdf:type | schema:PropertyValue |
33 | Nd9f51d6da1f14b808f0e9e8f94a12089 | schema:name | Springer Nature - SN SciGraph project |
34 | ″ | rdf:type | schema:Organization |
35 | sg:person.013540646657.07 | schema:affiliation | grid-institutes:grid.434949.7 |
36 | ″ | schema:familyName | Seitz |
37 | ″ | schema:givenName | Michael |
38 | ″ | schema:sameAs | https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.013540646657.07 |
39 | ″ | rdf:type | schema:Person |
40 | grid-institutes:grid.434949.7 | schema:alternateName | Fakultät für Informatik und Mathematik, Hochschule München, München, Germany |
41 | ″ | schema:name | Fakultät für Informatik und Mathematik, Hochschule München, München, Germany |
42 | ″ | rdf:type | schema:Organization |