Global ETD Search

1	On Experimental Designs for Derivative Random Fields Simak, Jaroslav 10 December 2009 (has links) (PDF) Es werden differenzierbare zufällige Felder zweiter Ordnung untersucht und Vorschläge zur Versuchsplanung von Beobachtungen der abgeleiteten Felder unterbreitet. Von einem gewissen Standpunkt aus werden die folgenden Fragen beantwortet: Wie viele Informationen liefern Beobachtungen von Ableitungen für die Vorhersage des zugrunde liegenden Stochastischen Feldes? Wie beeinflusst eine a priori Wahl der Kovarianzfunktion das Informationsverhältnis zwischen verschiedenen abgeleiteten Feldern im Hinblick auf die Vorhersage? Als Zielfunktion wird das so genannte &quot;imse-update&quot; für den besten linearen Prädiktor betrachtet. Den zentralen Teil stellt die Untersuchung von Versuchsplänen mit (asymptotisch) verschwindenden Korrelationen dar. Hier wird insbesondere der Einfluss der Maternschen Klasse und J-Besselschen Klassen von Kovarianzfuntionen untersucht. Ferner wird der Einfluss gleichzeitiger Beobachtung von verschiedenen Ableitungen untersucht. Schließlich werden einige empirische Studien durchgeführt, aus denen einige praktische Ratschläge abgeleitet werden. Versuchsplannung zufälliges Feld Kovarianzfunktion Differenzierbarkeit ddc:510 rvk:SK 840
2	On Experimental Designs for Derivative Random Fields Simak, Jaroslav 04 July 2002 (has links) Es werden differenzierbare zufällige Felder zweiter Ordnung untersucht und Vorschläge zur Versuchsplanung von Beobachtungen der abgeleiteten Felder unterbreitet. Von einem gewissen Standpunkt aus werden die folgenden Fragen beantwortet: Wie viele Informationen liefern Beobachtungen von Ableitungen für die Vorhersage des zugrunde liegenden Stochastischen Feldes? Wie beeinflusst eine a priori Wahl der Kovarianzfunktion das Informationsverhältnis zwischen verschiedenen abgeleiteten Feldern im Hinblick auf die Vorhersage? Als Zielfunktion wird das so genannte &quot;imse-update&quot; für den besten linearen Prädiktor betrachtet. Den zentralen Teil stellt die Untersuchung von Versuchsplänen mit (asymptotisch) verschwindenden Korrelationen dar. Hier wird insbesondere der Einfluss der Maternschen Klasse und J-Besselschen Klassen von Kovarianzfuntionen untersucht. Ferner wird der Einfluss gleichzeitiger Beobachtung von verschiedenen Ableitungen untersucht. Schließlich werden einige empirische Studien durchgeführt, aus denen einige praktische Ratschläge abgeleitet werden. info:eu-repo/classification/ddc/510 ddc:510
3	Genomic Prediction for Quantitative Traits: Using Kernel Methods and Whole Genome Sequence Based Approaches / Genomische Vorhersage für quantitative Merkmale: Verwendung von Kernel-Methoden und Verfahren, die auf vollständigen Genomsequenzen basieren Ober, Ulrike 28 September 2012 (has links) No description available. 310 Statistik EJCD 100 EJCD 150 EJCD 250 EGC 070 EGCG 000 EGCF 000 EGCJ 000 YFH 000 WD 100 WD 200 WJ 100 WJV 000 Mathematics and Computer Science BLUP Kriging Matérn Kovarianzfunktion SNP genomische Vorhersage genetischer Wert Sequenzdaten Drosophila melanogaster komplexe Merkmale effektive Populationsgröße Linkage Disequilibrium BLUP Kriging Matérn covariance function SNP genomic prediction genetic value sequence data Drosophila melanogaster complex traits effective population size linkage disequilibrium 31.73 42.11 42.64 48.64 42.64 48.64

1

Page generated in 0.0603 seconds