Computational Statistics and Data Analysis, 0167-9473

Tidskrift

Fler filtreringsmöjligheter
  1. 2018
  2. Latent Gaussian random field mixture models

    Jonas Wallin, Bolin, D. & Lindgren, F., 2018, I : Computational Statistics and Data Analysis. 130, s. 80-93

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  3. 2017
  4. Approximate maximum likelihood estimation using data-cloning ABC

    Umberto Picchini & Rachele Anderson, 2017, I : Computational Statistics & Data Analysis. 105, s. 166-183 18 s.

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  5. 2016
  6. Efficient computation of the quasi likelihood function for discretely observed diffusion processes

    Höök, L. J. & Erik Lindström, 2016 nov, I : Computational Statistics & Data Analysis. 103, s. 426-437 12 s.

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  7. 2014
  8. Incorporation of gene exchangeabilities improves the reproducibility of gene set rankings

    Soneson, C. & Fontes, M., 2014, I : Computational Statistics & Data Analysis. 71, s. 588-598

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  9. On the Choice of Test for a Unit Root when the Errors are Conditionally Heteroskedastic

    Joakim Westerlund, 2014, I : Computational Statistics & Data Analysis. 69, January, s. 40-53

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  10. 2013
  11. A comparison between Markov approximations and other methods for large spatial data sets

    Bolin, D. & Lindgren, F., 2013, I : Computational Statistics & Data Analysis. 61, s. 7-21

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  12. 2011
  13. Practical estimation of high dimensional stochastic differential mixed-effects models

    Umberto Picchini & Ditlevsen, S., 2011, I : Computational Statistics & Data Analysis. 55, 3, s. 1426-1444

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  14. 2009
  15. Fast estimation of spatially dependent temporal trends using Gaussian Markov Random fields

    Bolin, D., Johan Lindström, Lars Eklundh & Lindgren, F., 2009, I : Computational Statistics & Data Analysis. 53, 8, s. 2885-2896

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  16. 2008
  17. Fast kriging of large data sets with Gaussian Markov random fields

    Linda Werner Hartman & Hössjer, O., 2008, I : Computational Statistics & Data Analysis. 52, 5, s. 2331-2349

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  18. Sequential Calibration of Options

    Erik Lindström, Ströjby, J., Brodén, M., Magnus Wiktorsson & Holst, J., 2008, I : Computational Statistics and Data Analysis. 52, s. 2877-2891

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  19. 1997
  20. Quantile regression with censored data using generalized L1minimization

    Anna Lindgren, 1997, I : Computational Statistics & Data Analysis. 23, 4, s. 509-524

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift

  21. 1994
  22. Methods for recursive robust estimation of AR parameters

    Sejling, K., Madsen, H., Holst, J., Ulla Holst & Englund, J-E., 1994, I : Computational Statistics & Data Analysis. 17, 5, s. 509-536

    Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskrift