ReP USP - Resultado da busca

Filtros : "Non-ignorable missing data" Limpar

Filtros

Tese (Doutorado)
Qualitative global sensitivity analysis for probabilistic circuits (2023)
Llerena, Julissa Villanueva ; Mauá, Denis Deratani (Orientador)
Unidade: IME
Assunto: MODELOS PARA PROCESSOS ESTOCÁSTICOS
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://teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/. Acesso em: 30 mar. 2026.
APA
Llerena, J. V. (2023). Qualitative global sensitivity analysis for probabilistic circuits (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/
NLM
Llerena JV. Qualitative global sensitivity analysis for probabilistic circuits [Internet]. 2023 ;[citado 2026 mar. 30 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-25092023-112802/
Vancouver
Llerena JV. Qualitative global sensitivity analysis for probabilistic circuits [Internet]. 2023 ;[citado 2026 mar. 30 ] Available from: https://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
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: 30 mar. 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 mar. 30 ] 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 mar. 30 ] Available from: https://doi.org/10.1016/j.ijar.2022.08.016

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