dc.creatorAlvarez Castro, Ignacio
dc.date2018-09
dc.date2018
dc.date2019-02-01T17:07:31Z
dc.identifierhttp://sedici.unlp.edu.ar/handle/10915/72043
dc.identifierhttp://47jaiio.sadio.org.ar/sites/default/files/LatinR_3.pdf
dc.identifierissn:2618-3196
dc.descriptionLa estimación de matrices de covarianza surge en problemas multivariados como la distribución normal multivariada o modelos de regresión generalizados mixtos donde los efectos aleatorios son modelados de forma conjunta. La inferencia Bayesiana sobre una matriz de covarianza requiere especificar una distribución de probabilidades para dicha matriz. Las distribuciones que tienen como dominio las matrices de covarianza no han recibido mucha atención en términos de caracterizar sus propiedades. En este trabajo se presenta el paquete priorcovmatrix permite ajustar, simular y visualizar algunas distribuciones multivariadas utilizadas para modelar matrices de covarianza. La distribución Wishart inversa, Wishart inversa escalada, y otras distribuciones forman parte de la librería.
dc.descriptionSociedad Argentina de Informática e Investigación Operativa
dc.formatapplication/pdf
dc.format4-5
dc.languagees
dc.rightshttp://creativecommons.org/licenses/by-sa/3.0/
dc.rightsCreative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.subjectCiencias Informáticas
dc.subjectdistribuciones multivariadas
dc.subjectmatrices de covarianza
dc.titlePriorcovmatrix: explorar, visualizar y estimar matrices de covarianzas
dc.typeObjeto de conferencia
dc.typeResumen


Este ítem pertenece a la siguiente institución