Capire l'analisi di regressione: Un approccio alla distribuzione condizionale

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 9 voti.

Titolo originale:

Understanding Regression Analysis: A Conditional Distribution Approach

Contenuto del libro:

Il libro Understanding Regression Analysis riunisce sotto un unico ombrello diverse applicazioni di regressione, tra cui il modello classico, i modelli ANOVA, i modelli generalizzati, tra cui Poisson, binomiale negativo, logistico e di sopravvivenza, le reti neurali e gli alberi decisionali, ovvero il modello di distribuzione condizionale. Spiega perché il modello di distribuzione condizionale è il modello corretto e spiega (dimostrando) perché i presupposti del modello di regressione classico sono sbagliati. A differenza di altri libri sulla regressione, questo libro adotta fin dall'inizio un approccio realistico: tutti i modelli sono solo approssimazioni. Pertanto, l'enfasi è posta sulla modellazione realistica dei processi della natura, piuttosto che sul presupposto (errato) che la natura funzioni in modi particolari e vincolati.

Le caratteristiche principali del libro includono:

⬤ Numerosi esempi pratici che utilizzano il software R.

⬤ Punti chiave e domande di autoapprendimento visualizzati just-in-time all'interno dei capitoli.

⬤ Semplici spiegazioni matematiche (baby proofs) dei concetti chiave.

⬤ Spiegazioni chiare e applicazioni della significatività statistica (valori di p), che incorporano le linee guida dell'American Statistical Association.

⬤ Utilizzo della terminologia del processo di generazione dei dati piuttosto che della popolazione.

⬤ Si assume un quadro di riferimento X casuale (il caso X fisso è presentato come un caso speciale del caso X casuale).

⬤ Spiegazioni chiare della modellazione probabilistica, compresi i metodi basati sulla verosimiglianza.

⬤ Utilizzo di simulazioni per spiegare i concetti ed eseguire analisi dei dati.

Questo libro ha un forte orientamento verso la scienza in generale, oltre a domande di revisione dei capitoli e di autoapprendimento, per cui può essere utilizzato come libro di testo per studenti orientati alla ricerca nelle scienze sociali, biologiche e mediche, fisiche e ingegneristiche. Inoltre, la sua enfasi matematica lo rende ideale come testo per i corsi di matematica e statistica. Grazie ai suoi numerosi esempi pratici, è ideale anche come libro di riferimento per tutti gli scienziati.