Прикладная математическая статистика

University of Würzburg, Germany, Univ.-Prof. Dr. rer. nat. Ingo Scholtes, 2021, 76 p. Introduction the Chair of Informatics. What is Network Science? A Brief History of network Science. Course Overview and Organization Issues. Practice lecture and self-study questions.

University of Würzburg, Germany, Univ.-Prof. Dr. rer. nat. Ingo Scholtes, 2021, 42 p. Basic graph definitions. Paths, diameter, and components. Self-study questions.

University of Würzburg, Germany, Univ.-Prof. Dr. rer. nat. Ingo Scholtes, 2021, 58 p. Adjacency matrices, components, and communities. Modularity-based community detection. Node centrality measures. Excercise and self-study questions.

University of Würzburg, Germany, Univ.-Prof. Dr. rer. nat. Ingo Scholtes, 2021, 58 p. Macroscopic characterization of networks Statistical ensembles of networks Random graph: G(n, m) and G(n, p) model Degree distribution of random graphs

2023 – 67 стр. - Выходные данные не указаны Книга содержит лекции по основам прикладной статистики с учётом того, как это делается в зарубежной учебной литературе по этому предмету. Приводятся ясные определения основных понятий прикладной статистики, а также определены и используются такие важнейшие понятия как случайные переменные и случайные ошибки, которые отсутствуют в...

Івано-Франківськ : Прикарпатський національний університет імені Василя Стефаника, 2019. — 269 с. Курс лекцій містить теоретичні і практичні аспекти обробки і аналізу даних з акцентом на характеристиках економічних явищ і процесів.

Конспект лекции. Н.д. — 15 с. Лекция 4. Нелинейная регрессия: постановка задачи Методы Ньютона, Гаусса-Ньютона, Левенберга-Марквардта Функции в языке GNU Octave Практическая реализация нелинейной регрессии в GNU Octave Проблемы глобальной оптимизации и генетические алгоритмы

Национальный исследовательский Томский политехнический университет. Доцент кафедры прикладной математики Берестнева О.Г. Презентация к лекции. 2015. – 12 с. Методы прогнозирования. Критерии качества прогнозных моделей. Разработка прогнозной модели. Классификация прогнозных моделей. Быстрый старт. Литература. Контрольные вопросы.