已閱讀1頁(yè)，還剩81頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分類號(hào)UDC密級(jí)編號(hào)中山大學(xué)博士后研究報(bào)告董丕亙壑墮筮塞塑堡的顯合結(jié)構(gòu)方程模型的貝葉斯分析合作導(dǎo)師郭先平教授工作完成日期呈QQ璺爭(zhēng)7月一2010年6月報(bào)告提交日期2010年6月中山大學(xué)(廣州)2010年6月lIILIIIII11111111111IIlY1779313帶不可忽略缺失數(shù)據(jù)的混合結(jié)構(gòu)方程模型的貝葉斯分析BayesianAnalysisofMixtureStructuralEquationModelswithNonignora
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 缺失數(shù)據(jù)的貝葉斯模型處理.pdf
- 混合模型的貝葉斯分析.pdf
- 42213.帶有不可忽略缺失數(shù)據(jù)的混合效應(yīng)模型的bayes局部影響分析
- 基于缺失數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf
- 圖模型結(jié)構(gòu)的貝葉斯分析.pdf
- 數(shù)據(jù)缺失下學(xué)習(xí)貝葉斯網(wǎng)的研究.pdf
- 基于貝葉斯方法的缺失數(shù)據(jù)補(bǔ)全研究.pdf
- 4543.基于貝葉斯b樣條的結(jié)構(gòu)方程模型
- 競(jìng)爭(zhēng)失效模型的貝葉斯分析.pdf
- 回歸模型中的貝葉斯分析.pdf
- MA（q）模型的貝葉斯分析.pdf
- 基于貝葉斯方法的有限混合模型選擇.pdf
- 數(shù)據(jù)缺失下基于貝葉斯網(wǎng)絡(luò)的分類方法研究.pdf
- 42263.不可忽略缺失數(shù)據(jù)下的非線性ev模型的參數(shù)估計(jì)
- 有序的誤分類數(shù)據(jù)的貝葉斯分析.pdf
- 貝葉斯廣義線性混合模型及其醫(yī)學(xué)應(yīng)用.pdf
- 屏蔽數(shù)據(jù)的貝葉斯統(tǒng)計(jì)分析.pdf
- 基于層次貝葉斯自適應(yīng)稀疏的高斯混合模型.pdf
- 連續(xù)時(shí)間資產(chǎn)收益模型的貝葉斯分析.pdf
- 結(jié)構(gòu)轉(zhuǎn)換GARCH模型的貝葉斯分析及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論