Adaptive Markov Chain Monte Carlo: a new mixture based algorithm with applications to Bayesian Modeling

Di Narzo, Antonio (2010) Adaptive Markov Chain Monte Carlo: a new mixture based algorithm with applications to Bayesian Modeling, [Dissertation thesis], Alma Mater Studiorum Università di Bologna. Dottorato di ricerca in Metodologia statistica per la ricerca scientifica, 22 Ciclo.
Documenti full-text disponibili:
[thumbnail of DiNarzo_Antonio_tesi.pdf] Documento PDF (English) - Accesso riservato - Richiede un lettore di PDF come Xpdf o Adobe Acrobat Reader
Download (8MB)

Abstract

Abstract
Tipologia del documento
Tesi di dottorato
Autore
Di Narzo, Antonio
Supervisore
Cocchi, Daniela
Co-supervisore
Craiu, Radu
Dottorato di ricerca
Metodologia statistica per la ricerca scientifica
Scuola di dottorato
Scienze economiche e statistiche
Ciclo
22
Coordinatore
Cocchi, Daniela
Settore disciplinare
Area 13 - Scienze economiche e statistiche > SECS-S/01 Statistica
Settore concorsuale
Area 13 - Scienze economiche e statistiche > 13/D - Statistica e metodi matematici per le decisioni > 13/D1 Statistica
Parole chiave
Adaptive MCMC, normal mixture, Bayesian modeling, loss of heterozygosity, disease mapping, multivariate CART
URN:NBN
urn:nbn:it:unibo-1832
Data di discussione
30 Marzo 2010
URI
https://amsdottorato.unibo.it/id/eprint/2368

Altri metadati

Gestione del documento: Visualizza la tesi

© ALMA MATER STUDIORUM - Università di Bologna, 2007-2025.

^