Introduzione all'analisi di regressione lineare

Recensioni dei lettori

Le recensioni evidenziano un divario significativo nelle esperienze degli utenti con il libro. Un recensore trova le spiegazioni carenti e il materiale troppo avanzato, mentre l'altro lo elogia come un eccellente libro di testo per l'analisi di regressione che combina efficacemente teoria e applicazioni pratiche.

Il libro fornisce una trattazione completa dell'analisi di regressione, combinando efficacemente teoria ed esempi applicativi, e include applicazioni di software statistico come Minitab, JMP, SAS e R.

Il libro viene criticato per essere troppo astratto, con spiegazioni insufficienti, saltando passaggi cruciali di derivazione e non definendo termini chiave, il che può lasciare i lettori in difficoltà nella comprensione del materiale.

(basato su 2 recensioni dei lettori)

Titolo originale:

Introduction to Linear Regression Analysis

Contenuto del libro:

INTRODUZIONE ALL'ANALISI DI REGRESSIONE LINEARE

Un'introduzione completa e attuale ai fondamenti dell'analisi di regressione.

Introduzione all'analisi di regressione lineare, 6a edizione, è l'esame più completo, completo e attuale dei fondamenti dell'analisi di regressione lineare. Completamente aggiornati in questa nuova sesta edizione, gli illustri autori hanno incluso nuovo materiale sulle tecniche di regressione generalizzata e nuovi esempi per aiutare il lettore a comprendere i concetti insegnati nel libro.

La nuova edizione si concentra su quattro aree chiave di miglioramento rispetto alla quinta edizione:

⬤ Nuovi esercizi e set di dati.

⬤ Nuovo materiale sulle tecniche di regressione generalizzata.

⬤ L'inclusione del software JMP in aree chiave.

⬤ La condensazione accurata del testo, laddove possibile.

Introduzione all'analisi di regressione lineare fonde sapientemente teoria e applicazione sia per gli usi convenzionali che per quelli meno comuni dell'analisi di regressione nella ricerca scientifica d'avanguardia. Il testo consente ai lettori di comprendere i principi di base necessari per applicare le tecniche di costruzione di modelli di regressione in vari campi di studio, tra cui l'ingegneria, il management e le scienze della salute.