Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 9 głosach.
Understanding Regression Analysis: A Conditional Distribution Approach
Understanding Regression Analysis łączy różne zastosowania regresji, w tym model klasyczny, modele ANOVA, modele uogólnione, w tym Poissona, ujemny dwumianowy, logistyczny i przeżycia, sieci neuronowe i drzewa decyzyjne pod wspólnym parasolem - a mianowicie model rozkładu warunkowego. Wyjaśnia, dlaczego model rozkładu warunkowego jest prawidłowym modelem, a także wyjaśnia (udowadnia), dlaczego założenia klasycznego modelu regresji są błędne. W przeciwieństwie do innych książek o regresji, ta od samego początku przyjmuje realistyczne podejście, że wszystkie modele są tylko przybliżeniami. W związku z tym nacisk kładziony jest na realistyczne modelowanie procesów zachodzących w przyrodzie, a nie na zakładanie (błędnie), że natura działa w określony, ograniczony sposób.
Kluczowe cechy książki obejmują:
⬤ Liczne przykłady z wykorzystaniem oprogramowania R.
⬤ Kluczowe punkty i pytania do samodzielnej nauki wyświetlane na bieżąco w rozdziałach.
⬤ Proste wyjaśnienia matematyczne (dowody dla dzieci) kluczowych pojęć.
⬤ Przejrzyste wyjaśnienia i zastosowania istotności statystycznej (wartości p), uwzględniające wytyczne Amerykańskiego Stowarzyszenia Statystycznego.
⬤ Użycie terminologii procesu generowania danych, a nie populacji.
⬤ W całym tekście przyjęto założenie losowego X (przypadek stałego X jest przedstawiony jako szczególny przypadek przypadku losowego X).
⬤ Przejrzyste wyjaśnienie modelowania probabilistycznego, w tym metod opartych na prawdopodobieństwie.
⬤ Wykorzystanie symulacji do wyjaśniania pojęć i przeprowadzania analiz danych.
Książka ta jest silnie zorientowana na naukę w ogóle, a także na pytania do przeglądania rozdziałów i samodzielnej nauki, dzięki czemu może być używana jako podręcznik dla studentów zorientowanych na badania w naukach społecznych, biologicznych i medycznych oraz fizycznych i inżynieryjnych. Ponadto jego matematyczny nacisk sprawia, że idealnie nadaje się jako tekst na kursach matematyki i statystyki. Dzięki licznym praktycznym przykładom idealnie nadaje się również jako książka referencyjna dla wszystkich naukowców.
