The cost of living in the best livable cities in the world: a brief predictive quantitative analysis (2016)
- Authors:
- USP affiliated author: MONTINI, ALESSANDRA DE ÁVILA - FEA
- School: FEA
- DOI: 10.1504/ijmda.2016.081078
- Subjects: REGRESSÃO LOGÍSTICA; CUSTO DE VIDA; CIDADES
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: int. J. Multivariate Data Analysis
- ISSN: 2396-8311
- Volume/Número/Paginação/Ano: v. 1, n. 1, p. 28-42, 2016
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
-
ABNT
DOURADO, Rafaela Costa Martins de Mello e MONTINI, Alessandra de Ávila. The cost of living in the best livable cities in the world: a brief predictive quantitative analysis. int. J. Multivariate Data Analysis, v. 1, n. 1, p. 28-42, 2016Tradução . . Disponível em: http://www.inderscience.com/storage/f181163510297124.pdf. Acesso em: 13 ago. 2022. -
APA
Dourado, R. C. M. de M., & Montini, A. de Á. (2016). The cost of living in the best livable cities in the world: a brief predictive quantitative analysis. int. J. Multivariate Data Analysis, 1( 1), 28-42. doi:10.1504/ijmda.2016.081078 -
NLM
Dourado RCM de M, Montini A de Á. The cost of living in the best livable cities in the world: a brief predictive quantitative analysis [Internet]. int. J. Multivariate Data Analysis. 2016 ; 1( 1): 28-42.[citado 2022 ago. 13 ] Available from: http://www.inderscience.com/storage/f181163510297124.pdf -
Vancouver
Dourado RCM de M, Montini A de Á. The cost of living in the best livable cities in the world: a brief predictive quantitative analysis [Internet]. int. J. Multivariate Data Analysis. 2016 ; 1( 1): 28-42.[citado 2022 ago. 13 ] Available from: http://www.inderscience.com/storage/f181163510297124.pdf - Previna-se !: seu celular sabe tanto sobre você que te coloca em risco...
- Pandemia matou a crença em muitos setores de que home office não funciona
- Você não poderá guardar email, telefone e dados dos clientes: o que fazer?
- Machine e deep learning: fortes tendências para o Brasil em 2019
- BigData e seres humanos: capacidades e valências diferentes que se complementam
- Aproveitamento eficiente de dados desafia empresas. [Entrevista]
- Analisar conteúdo e método de aulas é o primeiro passo para escolher MBA
- Análise de métricas de risco na otimização de portfolios de ações
- Modelo de defasagem distribuída polinomial para teste de estresse do sistema financeiro no Brasil
- Estimação da volatlidade percebida futura pelos modelos ARFIMA e Nearest Neighbor
Informações sobre o DOI: 10.1504/ijmda.2016.081078 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
