Gå direkt till innehållet
ANALÍTICA APLICADA - Métodos Quantitativos De Pesquisa: Aplicação Da Simulação de Risco Monte Carlo, Opções Reais Estratégicas, Previsão Estocástica,
Spara

ANALÍTICA APLICADA - Métodos Quantitativos De Pesquisa: Aplicação Da Simulação de Risco Monte Carlo, Opções Reais Estratégicas, Previsão Estocástica,

Författare:
Portugisiska
Lägsta pris på PriceRunner
M TODOS QUANTITATIVOS DE PESQUISA EM POUCAS PALAVRAS
ESTAT STICAS DESCRITIVAS E MOMENTOS DE UMA DISTRIBUI O
TEORIA DAS PROBABILIDADES E DISTRIBUI O DE PROBABILIDADE
TESTES DE HIP TESES
M TODOS ESTAT STICOS PARA UMA VARI VEL
M TODOS ESTAT STICOS PARA DUAS OU MAIS VARI VEIS
SIMULA O, MODELAGEM PREDITIVA E OTIMIZA O
MOMENTOS DAS DISTRIBUI ES
MEDINDO O CENTRO, DISPERS O, ASSIMETRIA, EVENTOS EXTREMOS EM UMA DISTRIBUI O
TESTE DE HIP TESES
ETAPAS PARA ESTABELECER UM TESTE DE HIP TESES
TEOREMA DO LIMITE CENTRAL
ERROS TIPO I, TIPO II, TIPO III E TIPO IV E VIESES NA AMOSTRAGEM DE DADOS

ANAL TICOS MAIS COMUNS
TESTE-T DE DUAS AMOSTRAS COM IGUAL VARI NCIA
TESTE-T DE DUAS AMOSTRAS COM VARI NCIA IRREGULAR
TESTE-T DE DUAS AMOSTRAS E M DIA DEPENDENTES
TESTE-F DE VARI NCIAS DE AMOSTRAS INDEPENDENTES
TESTE-Z DE PROPOR ES
Z-TESTE DE PROPOR ES E M DIAS
ANOVA SIMPLES COM M LTIPLOS TRATAMENTOS
ANOVA COM TESTE DE BLOCO RANDOMIZADO
ANOVA DOIS FATORES, ANCOVA, MANOVA E MANOVA DOIS FATORES
TESTES QUI-QUADRADO
CORRELA ES LINEARES E N O LINEARES
TESTES DE NORMALIDADE E AJUSTE DE DISTRIBUI O
TESTES N O-PARAM TRICOS
CONFIABILIDADE, CONFIABILIDADE ENTRE E INTRA AVALIADORES, CONSIST NCIA, CREDIBILIDADE, DIVERSIDADE, VALIDADE INTERNA, VALIDADE EXTERNA E PREVISIBILIDADE
REGRESS O MULTIVARIADA LINEAR E N O LINEAR
REGRESS O BIVARIADA
TESTES PARA MULTICOLINEARIDADE E HETEROCEDASTICIDADE
M TODOS AVAN ADOS DE REGRESS O, M TODOS RELACIONADOS DE REGRESS O E SUAS VARIA ES
AL M DA REGRESS O M LTIPLA: MODELAGEM DE EQUA ES ESTRUTURAIS (MEE) COM M NIMOS QUADRADOS PARCIAIS (PLS) NA ESTIMATIVA DO CAMINHO
AL M DA REGRESS O M LTIPLA: M TODOS DE ENDOGENEIDADE E EQUA ES SIMULT NEAS E M NIMOS QUADRADOS DE DOIS EST GIOS
AL M DA REGRESS O M LTIPLA: CAUSALIDADE GRANGER E M TODOS ENGLE-GRANGER
AL M DA REGRESS O M LTIPLA: REGRESS O DE POISSON, REGRESS O DEMING, REGRESS O LOG STICA ORDINAL, REGRESS O DO RIDGE E REGRESS O PONDERADA

INTELIG NCIA ARTIFICIAL & APRENDIZADO DE M QUINA
APRENDIZADO DE M QUINA DE IA: AJUSTE LINEAR POR AGREGA O DE BOOTSTRAP (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: AJUSTE N O LINEAR EMPACOTAMENTO BOOTSTRAP (SUPERVISIONADO
APRENDIZADO DE M QUINA DE IA: CART - RVORES DE CLASSIFICA O DE E REGRESS O (SUPERVISIONADO)
APRENIZADO DE M QUINA DE IA: CLASSIFICA O COM SEGMENTA O MIX GAUSSIANO & K-MEANS (N O SUPERVISIONADA)
APRENDIZADO DE M QUINA DE IA: CLASSIFICA O COM K-NEAREST NEIGHBORS (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: CLASSIFICA O COM RVORES FILOGEN TICAS E AGRUPAMENTO HIER RQUICO (N O SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: CLASSIFICA O COM M QUINAS VETORIAIS DE SUPORTE (SUPERVISIONADAS)
APRENDIZADO DE M QUINA DE IA: MODELO DE AJUSTE PERSONALIZADO(SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: AN LISE COMPONENTES PRINCIPAIS - REDU O DE DIMENS ES (N O SUPERVISIONADOS)
APRENDIZADO DE M QUINA DE IA: AN LISE DO FATOR DEREDU O DE DIMENS ES (N O SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: CONJUNTO COMMON FIT (NONLINEAR) (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: AJUSTE CONJUNTO COMPLEXO (N O LINEAR) (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: S RIE-TEMPO DO CONJUNTO (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: MODELO DE AJUSTE LINEAR (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: AN LISE DISCRIMINANTE MULTIVARIADA (LINEAR) (SUPERVISIONADA)
APRENDIZADO DE M QUINA DE IA: AN LISE DISCRIMINANTE MULTIVARIADA (QUADR TICA) (SUPERVISIONADO)
APRENDIZADO DE M QUINA DE IA: REDE NEURAL (SUPERVISIONADA)
APRENDIZADO DE M QUINA DE IA: CLASSIFICA O BIN RIA LOG STICA (SUPERVISIONADA)
APRENDIZADO DE M QUINA DE IA: CLASSIFICA O BIN RIA NORMIT PROBIT (SUPERVISIONADA)
APRENDIZADO DE M QUINA DE IA

Författare
Johnathan Mun
ISBN
9781734990768
Språk
Portugisiska
Vikt
513 gram
Utgivningsdatum
2020-12-01
Sidor
384