Sparse Graphical Modeling for High Dimensional Data : A Paradigm of Conditional Independence Tests

Liang, Faming

CRC Press, 2023

Online Monographie, Elektronische Ressource - 1 Online-Ressource

Zugriff:

Taylor & Francis eBooks EBS bis 31.12.2024 (ZDB-7-taylorfra-EBA) [Zugang für alle FH- und Kunstakademie-Angehörigen] (Volltext)

Titel:	Sparse Graphical Modeling for High Dimensional Data : A Paradigm of Conditional Independence Tests
Autor/in / Beteiligte Person:	Liang, Faming
Lokaler Link:	Taylor & Francis eBooks EBS bis 31.12.2024 (ZDB-7-taylorfra-EBA) [Zugang für alle FH- und Kunstakademie-Angehörigen] (Volltext)
Link:	https://www.taylorfrancis.com/books/9780429061189
Veröffentlichung:	CRC Press, 2023
Medientyp:	Monographie
Datenträgertyp:	Elektronische Ressource
Umfang:	1 Online-Ressource
ISBN:	9780429061189
DOI:	10.1201/9780429061189
Schlagwort:	Mathematics & Statistics
Sonstiges:	Online-Ressource [Kann nicht per Fernleihe bestellt werden!] 9780367183738 hbz Verbund-ID: HT030350027

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.