Opinie czytelników
Podsumowanie:Książka jest wysoko ceniona za praktyczne podejście do statystyki, w szczególności metod bayesowskich, co czyni ją doskonałym źródłem wiedzy dla zaawansowanych studentów i badaczy. Kładzie nacisk na intuicję i rzeczywiste zastosowania, ale może nie być odpowiednia dla początkujących ze względu na swoją złożoność i niekonwencjonalną terminologię.
Zalety:⬤ Wyraźne motywacje dla praktycznych aspektów statystyki, zwłaszcza w początkowych rozdziałach.
⬤ Rozmowny styl sprawia, że książka jest przystępna i wciągająca.
⬤ Silny nacisk na analizę bayesowską i nowoczesne metody statystyczne.
⬤ Dobrze napisana, z licznymi przykładami z nauk społecznych.
⬤ Wyczerpujące omówienie zaawansowanych tematów, w tym zagadnień związanych z wartościami p i wnioskowaniem przyczynowo-skutkowym.
Wady:⬤ Nie jest przyjazny dla początkujących; zakłada silne podstawy matematyczne.
⬤ Pomija niektóre krytyczne formuły i szczegóły, co może pozostawiać luki w zrozumieniu.
⬤ Niekonwencjonalna terminologia błędów może dezorientować czytelników.
⬤ Niektórzy czytelnicy uznali ostatnie rozdziały dotyczące wnioskowania przyczynowego za trudne.
⬤ Słaba jakość wydruku i problemy z nawigacją w wersji Kindle.
(na podstawie 25 opinii czytelników)
Oryginalny tytuł:
Regression and Other Stories
Zawartość książki:
Większość podręczników dotyczących regresji skupia się na teorii i najprostszych przykładach. Prawdziwe problemy statystyczne są jednak złożone i subtelne.
To nie jest książka o teorii regresji. Dotyczy ona wykorzystania regresji do rozwiązywania rzeczywistych problemów związanych z porównywaniem, szacowaniem, przewidywaniem i wnioskowaniem przyczynowym. W przeciwieństwie do innych książek, koncentruje się na praktycznych kwestiach, takich jak wielkość próby i brakujące dane oraz szeroki zakres celów i technik.
Od razu przechodzi do metod i kodu komputerowego, które można natychmiast wykorzystać. Prawdziwe przykłady, prawdziwe historie z doświadczenia autorów pokazują, co regresja może zrobić i jakie są jej ograniczenia, wraz z praktycznymi poradami dotyczącymi zrozumienia założeń i wdrażania metod do eksperymentów i badań obserwacyjnych.
Płynnie przechodzą do regresji logistycznej i GLM. Nacisk kładziony jest na obliczenia w R i Stan, a nie na pochodne, z kodem dostępnym online.
Grafika i prezentacja pomagają zrozumieć modele i ich dopasowanie.
