Bewertung:
Das Buch wird für seinen praktischen Ansatz zur linearen Regression hoch geschätzt, wobei der Schwerpunkt auf der Anwendung und Programmierung mit R liegt. Es ist sowohl für Anfänger als auch für diejenigen, die ihr Wissen auffrischen wollen, nützlich und bietet klare Erklärungen und durchdachte Erkenntnisse. Der Autor stellt leicht zugänglichen Code online zur Verfügung, was die Benutzerfreundlichkeit erhöht. Während das Buch viele Themen berührt, ohne in die Tiefe der Theorie zu gehen, wird es für seine Geradlinigkeit und Praxisnähe geschätzt, insbesondere im Zusammenhang mit realen Anwendungen, wie z. B. der klinischen Forschung.
Vorteile:⬤ Praktischer Ansatz zum Erlernen der linearen Regression.
⬤ Schwerpunkt auf Anwendung und Kodierung mit R.
⬤ Zugang zu Online-R-Code für Experimente.
⬤ Klare Erklärungen und hilfreiche Einsichten.
⬤ Gute Balance zwischen Theorie und Anwendung.
⬤ Nützlich sowohl für Anfänger als auch für diejenigen, die Konzepte wiederholen wollen.
⬤ Fehlende rigorose Beweise, möglicherweise nicht zufriedenstellend für diejenigen, die eine tiefgreifende theoretische Abdeckung suchen.
⬤ Einige Benutzer wünschen sich einen Index der R-Befehle zum leichteren Nachschlagen.
(basierend auf 10 Leserbewertungen)
Linear Models with R
Ein praktischer Weg zum Erlernen der Datenanalyse
Lineare Modelle gehören zum Kern der Statistik und werden verwendet, um Vorhersagen zu treffen und die Beziehung zwischen der Antwort und den Prädiktoren zu erklären. Das Verständnis linearer Modelle ist entscheidend für eine breitere Kompetenz in der Praxis der Statistik. Linear Models with R, Second Edition erklärt, wie man lineare Modelle in den Natur- und Ingenieurwissenschaften, in den Sozialwissenschaften und in Geschäftsanwendungen einsetzt. Das Buch enthält mehrere Verbesserungen, die widerspiegeln, wie sich die Welt von R seit der Veröffentlichung der ersten Auflage stark erweitert hat.
Neu in der zweiten Auflage
⬤ Neugestaltetes Material zur Interpretation linearer Modelle, das die wichtigsten Anwendungen von Vorhersage und Erklärung unterscheidet und elementare Begriffe der Kausalität einführt.
⬤ Zusätzliche Themen, einschließlich QR-Zerlegung, Splines, additive Modelle, Lasso, multiple Imputation und Falschentdeckungsraten.
⬤ Ausführlicher Gebrauch des ggplot2-Grafikpakets zusätzlich zu den Basisgrafiken.
Wie sein weithin gelobter, meistverkaufter Vorgänger kombiniert diese Ausgabe Statistik und R, um nahtlos eine kohärente Darstellung der Praxis der linearen Modellierung zu geben. Der Text bietet aktuelle Einblicke in wesentliche Themen der Datenanalyse, von Schätzung, Inferenz und Vorhersage bis hin zu fehlenden Daten, faktoriellen Modellen und Blockdesigns. Zahlreiche Beispiele veranschaulichen, wie die verschiedenen Methoden mit R angewendet werden können.
| ISBN: | 9781439887332 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2014 |
| Seitenzahl: | 286 |
Derzeit verfügbar, auf Lager.
