Menu

Filtros : "Non-ignorable missing data" Limpar

Filtros

Refine with date range

  • 1

1 - 2 (2 records)

  • Tese (Doutorado)

    Qualitative global sensitivity analysis for probabilistic circuits (2023)

    Llerena, Julissa Villanueva ; Mauá, Denis Deratani (Orientador)

    Unidade: IME

    Assunto: MODELOS PARA PROCESSOS ESTOCÁSTICOS

    Acesso à fonteAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      LLERENA, Julissa Villanueva. Qualitative global sensitivity analysis for probabilistic circuits. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/. Acesso em: 20 jan. 2026.

    • APA

      Llerena, J. V. (2023). Qualitative global sensitivity analysis for probabilistic circuits (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/

    • NLM

      Llerena JV. Qualitative global sensitivity analysis for probabilistic circuits [Internet]. 2023 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/

    • Vancouver

      Llerena JV. Qualitative global sensitivity analysis for probabilistic circuits [Internet]. 2023 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/

  • Artigo de periodico

    Learning and total evidence with imprecise probabilities (2022)

    Gong, Ruobin ; Kadane, Joseph B. ; Schervish, Mark J. ; Seidenfeld, Teddy ; Stern, Rafael Bassi

    Source: International Journal of Approximate Reasoning. Unidade: IME

    Subjects: INTELIGÊNCIA ARTIFICIAL, ENGENHARIA DE SOFTWARE

    Versão PublicadaAcesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GONG, Ruobin et al. Learning and total evidence with imprecise probabilities. International Journal of Approximate Reasoning, v. 151, p. 21-32, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.ijar.2022.08.016. Acesso em: 20 jan. 2026.

    • APA

      Gong, R., Kadane, J. B., Schervish, M. J., Seidenfeld, T., & Stern, R. B. (2022). Learning and total evidence with imprecise probabilities. International Journal of Approximate Reasoning, 151, 21-32. doi:10.1016/j.ijar.2022.08.016

    • NLM

      Gong R, Kadane JB, Schervish MJ, Seidenfeld T, Stern RB. Learning and total evidence with imprecise probabilities [Internet]. International Journal of Approximate Reasoning. 2022 ; 151 21-32.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1016/j.ijar.2022.08.016

    • Vancouver

      Gong R, Kadane JB, Schervish MJ, Seidenfeld T, Stern RB. Learning and total evidence with imprecise probabilities [Internet]. International Journal of Approximate Reasoning. 2022 ; 151 21-32.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1016/j.ijar.2022.08.016
  • 1

1 - 2 (2 records)

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026