Zobrazeno 1 - 10
of 250
pro vyhledávání: '"Singmann, Henrik"'
Autor:
Niu, Xiaoxiao, Singmann, Henrik, Wyatt, Faye, Putra, Agie W., Taat, Azlai, Panti, Jehan S., Hoang, Lam, Moron, Lorenzo A., Osman, Sazali, Novikarany, Riefda, Tran, Diep Quang, Beckett, Rebecca, Harris, Adam JL.
Publikováno v:
In International Journal of Disaster Risk Reduction 15 October 2024 113
Autor:
Foster, Kendal, Singmann, Henrik
We present a novel method for approximating the probability density function (PDF) of the first-passage times in the Ratcliff diffusion decision model (DDM). We implemented this approximation method in $\texttt{C++}$ using the $\texttt{R}$ package $\
Externí odkaz:
http://arxiv.org/abs/2104.01902
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Newall, Philip W S *, Weiss-Cohen, Leonardo, Singmann, Henrik, Walasek, Lukasz, Ludvig, Elliot A
Publikováno v:
In The Lancet Public Health May 2022 7(5):e437-e446
Autor:
Newall, Philip W.S., Weiss-Cohen, Leonardo, Singmann, Henrik, Paul Boyce, W., Walasek, Lukasz, Rockloff, Matthew J.
Publikováno v:
In Addictive Behaviors April 2022 127
Statistical procedures such as Bayes factor model selection and Bayesian model averaging require the computation of normalizing constants (e.g., marginal likelihoods). These normalizing constants are notoriously difficult to obtain, as they usually i
Externí odkaz:
http://arxiv.org/abs/1710.08162
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 2020 Jun 01. 117(23), 12750-12755.
Externí odkaz:
https://www.jstor.org/stable/26968318
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Multinomial processing tree (MPT) models are tools for disentangling the contributions of latent cognitive processes in a given experimental paradigm. The present note analyzes MPT models subject to order constraints on subsets of its parameters. The
Externí odkaz:
http://arxiv.org/abs/1411.2571