Podstawy liniowych i uogólnionych modeli liniowych

Opinie czytelników

Książka została przyjęta z mieszanymi recenzjami, chwalona za rygorystyczne wprowadzenie do modelowania liniowego i uogólnionych modeli liniowych, a także za równowagę między teorią a praktycznymi przykładami kodowania. Jednak niektórzy czytelnicy uważają ją za prawie nieczytelną ze względu na niestandardową notację i brak formalnych definicji.

Zapewnia rygorystyczne wprowadzenie do modeli liniowych i uogólnionych modeli liniowych, dobrą równowagę między teorią a stosowalnością, kompleksowe przykłady kodowania w R, włączenie ćwiczeń w dodatku, dobrze napisane i przystępne bez poświęcania rygoru matematycznego.

Niektórzy czytelnicy uważają, że książka jest prawie nieczytelna ze względu na niestandardową notację i brak formalnej struktury, może być trudna do zrozumienia i brakuje szczegółowych wyjaśnień niektórych pojęć.

(na podstawie 5 opinii czytelników)

Oryginalny tytuł:

Foundations of Linear and Generalized Linear Models

Zawartość książki:

Wartościowy przegląd najważniejszych idei i wyników modelowania statystycznego.

Napisana przez doświadczonego autora książka Foundations of Linear and Generalized Linear Models to przejrzysty i kompleksowy przewodnik po kluczowych koncepcjach i wynikach liniowych modeli statystycznych. Książka przedstawia szeroki, dogłębny przegląd najczęściej używanych modeli statystycznych, omawiając teorię leżącą u podstaw modeli, aplikacje oprogramowania R i przykłady ze spreparowanymi modelami, aby wyjaśnić kluczowe idee i promować praktyczne tworzenie modeli.

Książka rozpoczyna się od zilustrowania podstaw modeli liniowych, takich jak sposób, w jaki dopasowanie modelu rzutuje dane na podprzestrzeń wektorową modelu i jak ortogonalne rozkłady danych dostarczają informacji o wpływie zmiennych objaśniających. Następnie w książce omówiono najpopularniejsze uogólnione modele liniowe, w tym dwumianową i wielomianową regresję logistyczną dla danych kategorycznych oraz logarytmiczne modele Poissona i ujemnego dwumianu dla danych zliczeniowych. Skupiając się na teoretycznych podstawach tych modeli, Foundations of Linear and Generalized Linear Models zawiera również:

⬤ Wprowadzenie do metod quasi-prawdopodobieństwa, które wymagają słabszych założeń dystrybucyjnych, takich jak uogólnione metody równań estymujących.

⬤ Przegląd liniowych modeli mieszanych i uogólnionych liniowych modeli mieszanych z efektami losowymi dla skorelowanych danych, modelowanie bayesowskie i rozszerzenia do obsługi problematycznych przypadków, takich jak problemy o dużej wymiarowości.

⬤ Liczne przykłady wykorzystujące oprogramowanie R do wszystkich analiz danych tekstowych.

⬤ Ponad 400 ćwiczeń pozwalających czytelnikom przećwiczyć i rozszerzyć teorię, metody i analizę danych.

⬤ Dodatkowa strona internetowa z zestawami danych do przykładów i ćwiczeń.

Foundations of Linear and Generalized Linear Models to nieoceniony podręcznik dla studentów studiów wyższych i magisterskich na kursach statystyki i biostatystyki, a także doskonałe źródło informacji dla praktykujących statystyków i biostatystyków, a także każdego, kto jest zainteresowany poznaniem najważniejszych modeli statystycznych do analizy danych.