Opinie czytelników
Podsumowanie:Książka jest powszechnie chwalona jako doskonałe źródło informacji na drugim kursie statystyki, szczególnie dla osób zajmujących się naukami społecznymi i naukami o zdrowiu. Skutecznie równoważy teorię i praktyczne zastosowanie, z silnym naciskiem na metody bayesowskie i przykłady z życia wzięte. Może jednak nie być odpowiedni dla początkujących ze względu na swoją złożoność, a istnieją obawy dotyczące jego głębokości, jasności wyjaśnień i niektórych problemów z formatowaniem druku.
Zalety:Jasne motywacje dla praktycznych aspektów statystyki, konwersacyjny styl pisania, kompleksowe omówienie zaawansowanych tematów, doskonałe przykłady z nauk społecznych, dobrze zorganizowany indeks, przydatny zarówno jako odniesienie, jak i do samodzielnej nauki, efektywne wykorzystanie kodu R, szczególnie w kontekście bayesowskim.
Wady:Nie jest przyjazna dla początkujących, niektóre ważne szczegóły są pomijane, niekonwencjonalna terminologia może być myląca, ćwiczenia mogą być zbyt trudne, frustrujące w nawigacji w formatach cyfrowych, zgłaszana słaba jakość druku, a niektórzy uważają, że pisanie jest ciężkie i pozbawione rygorystycznych szczegółów.
(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.
