Finite Mixture Models for an underlying Beta distribution with an application to COVID-19 data

SCHILTZ, Jang; NOEL, Cédric

Pas de texte intégral

Communication orale non publiée/Abstract (Colloques, congrès, conférences scientifiques et actes)

Finite Mixture Models for an underlying Beta distribution with an application to COVID-19 data

SCHILTZ, Jang; NOEL, Cédric

2023 • 34th European Meeting of Statisticians

Permalien
https://hdl.handle.net/10993/55688

Documents (1)Envoyer vers Détails Statistiques Bibliographie Publications similaires

Documents

Texte intégral

Aucun document disponible.

Annexes

Varsovie 2023.pdf

(4 MB)

Slides of the presentation

Télécharger

Tous les documents dans ORBilu sont protégés par une licence d'utilisation.

Envoyer vers

RIS BibTex APA Chicago Permalink X Linkedin

Détails

Disciplines :

Physique, chimie, mathématiques & sciences de la terre: Multidisciplinaire, généralités & autres

Auteur, co-auteur :

SCHILTZ, Jang ; University of Luxembourg > Faculty of Law, Economics and Finance (FDEF) > Department of Finance (DF)

NOEL, Cédric ; Université de Lorraine

Co-auteurs externes :

yes

Langue du document :

Anglais

Titre :

Finite Mixture Models for an underlying Beta distribution with an application to COVID-19 data

Date de publication/diffusion :

04 juillet 2023

Nom de la manifestation :

34th European Meeting of Statisticians

Organisateur de la manifestation :

Bernoulli Society for Mathematical Statistics and Probability

Lieu de la manifestation :

Warsaw, Pologne

Date de la manifestation :

3.-7.7.2023

Manifestation à portée :

International

Focus Area :

Computational Sciences

Disponible sur ORBilu :

depuis le 25 juillet 2023

Statistiques

Nombre de vues

143 (dont 0 Unilu)

Nombre de téléchargements

34 (dont 0 Unilu)

Voir plus de statistiques