Ocena:
Recenzje książki podkreślają jej wysokiej jakości zawartość w metodach statystycznych i programowaniu R, ale zdecydowanie ostrzegają przed edycją Kindle ze względu na słabe formatowanie i problemy z czytelnością równań.
Zalety:Książka jest chwalona za doskonałe pokrycie regresji i uogólnionych modeli liniowych, a także za skuteczne podejście do zarządzania danymi w bazie R. Recenzenci doceniają przejrzystość kodu R i uważają, że książka jest łatwa do naśladowania. Dodanie rozdziałów o modelach mieszanych w trzecim wydaniu jest szczególnie zauważane jako cenne ulepszenie.
Wady:Wydanie Kindle jest mocno krytykowane za nieczytelne równania i słabą jakość wizualną. Kilku recenzentów zaleca całkowite unikanie wersji Kindle, powołując się na frustracje związane z brakującymi treściami i problemami z formatem. Niektórzy recenzenci wyrażają rozczarowanie ogólną jakością ebooka, sugerując, że mógł on zostać skompilowany w pośpiechu.
(na podstawie 9 opinii czytelników)
An R Companion to Applied Regression
An R Companion to Applied Regression to obszerne wprowadzenie do statystycznego środowiska obliczeniowego R w kontekście stosowanej analizy regresji.
John Fox i Sanford Weisberg zapewniają przewodnik krok po kroku dotyczący korzystania z bezpłatnego oprogramowania statystycznego R, nacisk na integrację obliczeń statystycznych w R z praktyką analizy danych, pokrycie uogólnionych modeli liniowych oraz obszerne materiały pomocnicze oparte na sieci. Trzecie wydanie zawiera nowy rozdział poświęcony modelom mieszanych efektów, nowe i zaktualizowane zestawy danych oraz mniejszy nacisk na programowanie statystyczne, przy jednoczesnym zachowaniu ogólnego wprowadzenia do podstawowego programowania R.
Autorzy znacznie zaktualizowali zarówno pakiety car, jak i effects dla R w tym nowym wydaniu, a także uwzględnili RStudio i R Markdown.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)