Nonparametric Estimation of Information-Based Measures of Statistical Dispersion

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985823%3A_____%2F12%3A00378876" target="_blank" >RIV/67985823:_____/12:00378876 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.3390/e14071221" target="_blank" >http://dx.doi.org/10.3390/e14071221</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.3390/e14071221" target="_blank" >10.3390/e14071221</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Nonparametric Estimation of Information-Based Measures of Statistical Dispersion
Popis výsledku v původním jazyce
The maximum penalized likelihood estimation of the probability density function proposed by Good and Gaskins is applied and a complete methodology of how to estimate the dispersion measures of positive random variables with a single algorithm is presented. The approach is illustrated on three standard statistical models describing neuronal activity
Název v anglickém jazyce
Nonparametric Estimation of Information-Based Measures of Statistical Dispersion
Popis výsledku anglicky
The maximum penalized likelihood estimation of the probability density function proposed by Good and Gaskins is applied and a complete methodology of how to estimate the dispersion measures of positive random variables with a single algorithm is presented. The approach is illustrated on three standard statistical models describing neuronal activity

Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
FH - Neurologie, neurochirurgie, neurovědy
OECD FORD obor
—

Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)