Modelli lineari con R

Recensioni dei lettori

Il libro è molto apprezzato per il suo approccio pratico alla regressione lineare, che enfatizza l'applicazione e la codifica con R. È utile sia per i principianti sia per coloro che desiderano rivedere le proprie conoscenze, con spiegazioni chiare e approfondimenti riflessivi. L'autore fornisce codice facilmente accessibile online, migliorando l'esperienza dell'utente. Pur toccando molti argomenti senza approfondire la teoria, il libro è apprezzato per la sua semplicità e praticità, in particolare nel contesto delle applicazioni del mondo reale, come la ricerca clinica.

⬤ Approccio pratico all'apprendimento della regressione lineare.
⬤ Enfasi sull'applicazione e sulla codifica con R.
⬤ Accesso al codice R online per la sperimentazione.
⬤ Spiegazioni chiare e approfondimenti utili.
⬤ Buon equilibrio tra teoria e applicazione.
⬤ Utile sia per i principianti che per coloro che rivedono i concetti.

⬤ Manca di prove rigorose, potrebbe non soddisfare chi cerca una copertura teorica approfondita.
⬤ Alcuni utenti desiderano un indice dei comandi R per una più facile consultazione.

(basato su 10 recensioni dei lettori)

Titolo originale:

Linear Models with R

Contenuto del libro:

Un modo pratico per imparare l'analisi dei dati.

Parte integrante della statistica, i modelli lineari sono utilizzati per fare previsioni e spiegare la relazione tra la risposta e i predittori. La comprensione dei modelli lineari è fondamentale per una più ampia competenza nella pratica della statistica. Modelli lineari con R, seconda edizione spiega come utilizzare i modelli lineari nelle scienze fisiche, nell'ingegneria, nelle scienze sociali e nelle applicazioni aziendali. Il libro incorpora diversi miglioramenti che riflettono la grande espansione del mondo di R dalla pubblicazione della prima edizione.

Novità della seconda edizione

⬤ Materiale riorganizzato sull'interpretazione dei modelli lineari, che distingue le principali applicazioni di predizione e spiegazione e introduce nozioni elementari di causalità.

⬤ Argomenti aggiuntivi, tra cui la decomposizione QR, le spline, i modelli additivi, Lasso, l'imputazione multipla e i tassi di falsa scoperta.

⬤ Estensivo uso del pacchetto grafico ggplot2 in aggiunta alla grafica di base.

Come il suo predecessore, ampiamente apprezzato e venduto, questa edizione combina statistiche e R per fornire un'esposizione coerente della pratica della modellazione lineare. Il testo offre una visione aggiornata degli argomenti essenziali dell'analisi dei dati, dalla stima, all'inferenza e alla previsione, ai dati mancanti, ai modelli fattoriali e ai disegni a blocchi. Numerosi esempi illustrano come applicare i diversi metodi utilizzando R.