Finite Mixture Models For An Underlying Beta Distribution With An Application To COVID-19 Data

SCHILTZ, Jang; NOEL, Cédric

Télécharger

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 • 64th world statistics congress

Peer reviewed

Permalien
https://hdl.handle.net/10993/57036

Documents (1)Envoyer vers Détails Statistiques Bibliographie Publications similaires

Documents

Texte intégral

2023_5 Ottawa.pdf

Preprint Auteur (2.24 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 :

Méthodes quantitatives en économie & gestion

Auteur, co-auteur :

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

NOEL, Cédric ; University of 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 :

18 juillet 2023

Nom de la manifestation :

64th world statistics congress

Organisateur de la manifestation :

ISI

Date de la manifestation :

July 17-22 , 2023

Manifestation à portée :

International

Peer reviewed :

Peer reviewed

Disponible sur ORBilu :

depuis le 02 octobre 2023

Statistiques

Nombre de vues

95 (dont 0 Unilu)

Nombre de téléchargements

31 (dont 0 Unilu)

Voir plus de statistiques