Di Mari, R., Antonio Gattone, S., Rocci, R. (2019). PENALIZED VS CONSTRAINED MAXIMUM LIKELIHOOD APPROACHES FOR CLUSTERWISE LINEAR REGRESSION MODELING. In CLADAG 2019 Book of Short Papers (pp. 166-169). Università di Cassino e del Lazio Meridionale Centro Editoriale di Ateneo.

PENALIZED VS CONSTRAINED MAXIMUM LIKELIHOOD APPROACHES FOR CLUSTERWISE LINEAR REGRESSION MODELING

Antonio Gattone, Stefano;Rocci, Roberto
2019-01-01

2019
Settore SECS-S/01 - STATISTICA
English
Rilevanza internazionale
Articolo scientifico in atti di convegno
clusterwise linear regression
penalized likelihood
scale constraints
Di Mari, R., Antonio Gattone, S., Rocci, R. (2019). PENALIZED VS CONSTRAINED MAXIMUM LIKELIHOOD APPROACHES FOR CLUSTERWISE LINEAR REGRESSION MODELING. In CLADAG 2019 Book of Short Papers (pp. 166-169). Università di Cassino e del Lazio Meridionale Centro Editoriale di Ateneo.
Di Mari, R; Antonio Gattone, S; Rocci, R
Contributo in libro
File in questo prodotto:
File Dimensione Formato  
DiMari Gattone Rocci_Penalized-vs-constrained_2019.pdf

solo utenti autorizzati

Tipologia: Versione Editoriale (PDF)
Licenza: Copyright dell'editore
Dimensione 1.94 MB
Formato Adobe PDF
1.94 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2108/318281
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact