Regressione e altre storie

Recensioni dei lettori

Il libro è molto apprezzato per il suo approccio pratico alla statistica, in particolare ai metodi bayesiani, che lo rende una risorsa eccellente per studenti e ricercatori avanzati. Enfatizza l'intuizione e l'applicazione nel mondo reale, ma potrebbe non essere adatto ai principianti a causa della sua complessità e della terminologia non convenzionale utilizzata.

⬤ Motivazioni chiare per gli aspetti pratici della statistica, soprattutto nei capitoli iniziali.
⬤ Lo stile colloquiale lo rende accessibile e coinvolgente.
⬤ Forte attenzione all'analisi bayesiana e ai moderni metodi statistici.
⬤ Ben scritto con numerosi esempi reali tratti dalle scienze sociali.
⬤ Copertura completa di argomenti avanzati, compresi i problemi con i valori di p e l'inferenza causale.

⬤ Non adatto ai principianti; presuppone un solido background matematico.
⬤ Glissa su alcune formule e dettagli critici, il che può lasciare delle lacune nella comprensione.
⬤ La terminologia non convenzionale per gli errori può confondere i lettori.
⬤ Alcuni lettori hanno trovato impegnativi gli ultimi capitoli sull'inferenza causale.
⬤ Scarsa qualità di stampa e problemi di navigazione nella versione Kindle.

(basato su 25 recensioni dei lettori)

Titolo originale:

Regression and Other Stories

Contenuto del libro:

La maggior parte dei libri di testo sulla regressione si concentra sulla teoria e sugli esempi più semplici. I problemi statistici reali, tuttavia, sono complessi e sottili.

Questo non è un libro sulla teoria della regressione. Si tratta di utilizzare la regressione per risolvere problemi reali di confronto, stima, previsione e inferenza causale. A differenza di altri libri, si concentra su questioni pratiche come la dimensione del campione e i dati mancanti e su un'ampia gamma di obiettivi e tecniche.

Si passa subito ai metodi e al codice informatico che si possono utilizzare immediatamente. Esempi reali e storie reali tratte dall'esperienza degli autori dimostrano ciò che la regressione può fare e i suoi limiti, con consigli pratici per comprendere le ipotesi e implementare i metodi per gli esperimenti e gli studi osservazionali.

La transizione alla regressione logistica e al GLM è agevole. L'enfasi è posta sul calcolo in R e Stan piuttosto che sulle derivazioni, con il codice disponibile online.

I grafici e le presentazioni aiutano la comprensione dei modelli e il loro adattamento.