Leserbewertungen
Zusammenfassung:Das Buch wird wegen seiner guten Lesbarkeit und der Ausgewogenheit zwischen mathematischer Strenge und Klarheit hoch geschätzt, so dass es auch für Leser mit Grundkenntnissen in Statistik und linearer Algebra zugänglich ist. Allerdings wird es wegen mehrerer kleinerer Tippfehler, unzureichender Beweiserklärungen und der eingeschränkten Abdeckung einiger wichtiger Themen kritisiert.
Vorteile:⬤ Großer Kompromiss zwischen mathematischer Strenge und Lesbarkeit.
⬤ Klare, gut organisierte Inhalte, die leicht zu verstehen sind.
⬤ Nützliche Übungen mit Hinweisen und Lösungen zum Selbststudium.
⬤ Das letzte Kapitel enthält Lösungen zu den in den früheren Kapiteln gestellten Problemen, was das Lernen erleichtert.
⬤ Geeignet für Studenten mit Hochschulabschluss und kann auch zum Selbststudium verwendet werden.
⬤ Kleinere Tippfehler und Fehler in Formeln.
⬤ Unzureichend erklärte Beweise, die oft ohne ausreichende Anleitung auf andere Quellen verweisen.
⬤ Begrenzte Abdeckung wichtiger Themen wie verallgemeinerte lineare Modelle und Diagnostik.
⬤ Nicht alle Erklärungen sind klar, was für Studenten mit einem schwächeren Hintergrund in Statistik eine Herausforderung darstellen kann.
(basierend auf 9 Leserbewertungen)
Originaltitel:
Linear Models 2E
Inhalt des Buches:
Die unverzichtbare Einführung in die Theorie und Anwendung von Linearmodellen - jetzt in einer wertvollen Neuauflage.
Da die meisten fortgeschrittenen statistischen Werkzeuge Verallgemeinerungen des linearen Modells sind, ist es notwendig, zunächst das lineare Modell zu beherrschen, um zu fortgeschritteneren Konzepten überzugehen. Das lineare Modell ist nach wie vor das Hauptwerkzeug des angewandten Statistikers und steht im Mittelpunkt der Ausbildung eines jeden Statistikers, unabhängig davon, ob der Schwerpunkt auf der angewandten oder der theoretischen Statistik liegt. In dieser vollständig überarbeiteten und aktualisierten Neuauflage wird die grundlegende Theorie der linearen Modelle für Regression, Varianzanalyse, Kovarianzanalyse und lineare gemischte Modelle erfolgreich entwickelt. Jüngste Fortschritte in der Methodik in Bezug auf lineare gemischte Modelle, verallgemeinerte lineare Modelle und das Bayessche lineare Modell werden ebenfalls behandelt.
Lineare Modelle in der Statistik, Zweite Ausgabe umfasst die vollständige Abdeckung fortgeschrittener Themen, wie gemischte und verallgemeinerte lineare Modelle, lineare Modelle nach Bayes, Zwei-Wege-Modelle mit leeren Zellen, Geometrie der kleinsten Quadrate, Vektor-Matrix-Kalkül, simultane Inferenz und logistische und nichtlineare Regression. Algebraische, geometrische, frequentistische und Bayes'sche Ansätze für die Inferenz von linearen Modellen und die Varianzanalyse werden ebenfalls dargestellt. Durch die Erweiterung des relevanten Materials und die Einbeziehung der neuesten technologischen Entwicklungen in diesem Bereich bietet dieses Buch den Lesern die theoretische Grundlage, um die Ergebnisse von Computersoftware korrekt zu interpretieren und lineare Modelle effektiv zu nutzen, anzupassen und zu verstehen.
Diese moderne zweite Auflage bietet:
⬤ Neue Kapitel zu linearen Bayes'schen Modellen sowie zu zufälligen und gemischten linearen Modellen.
⬤ Erweiterte Diskussion von Zwei-Wege-Modellen mit leeren Zellen.
⬤ Zusätzliche Abschnitte über die Geometrie der kleinsten Quadrate.
⬤ Aktualisierte Abdeckung der simultanen Inferenz.
Das Buch wird ergänzt durch leicht lesbare Beweise, reale Datensätze und eine umfangreiche Bibliographie. Ein gründlicher Überblick über die erforderliche Matrixalgebra wurde für den Übergang hinzugefügt, und zahlreiche theoretische und angewandte Probleme wurden mit ausgewählten Antworten am Ende des Buches aufgenommen. Eine zugehörige Website enthält zusätzliche Datensätze und SAS(R)-Code für alle numerischen Beispiele.
Linear Model in Statistics, Second Edition ist ein unentbehrliches Buch für Kurse in Statistik, Biostatistik und Mathematik auf dem Niveau von Hochschulabsolventen und Doktoranden. Es ist auch ein unschätzbares Nachschlagewerk für Forscher, die ein besseres Verständnis von Regression und Varianzanalyse benötigen.
Weitere Daten des Buches:
| ISBN: | 9780471754985 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2008 |
| Seitenzahl: | 688 |
Kauf:
Derzeit verfügbar, auf Lager.
