Regressione e altre storie

Recensioni dei lettori

Il libro è ampiamente apprezzato come un'eccellente risorsa per un secondo corso di statistica, in particolare per chi si occupa di scienze sociali e sanitarie. Bilancia efficacemente teoria e applicazione pratica, con una forte enfasi sui metodi bayesiani e sugli esempi del mondo reale. Tuttavia, potrebbe non essere adatto ai principianti a causa della sua complessità, e ci sono preoccupazioni riguardo alla sua profondità, alla chiarezza delle spiegazioni e ad alcuni problemi con la formattazione della stampa.

Motivazioni chiare per gli aspetti pratici della statistica, stile di scrittura colloquiale, copertura completa di argomenti avanzati, esempi eccellenti tratti dalle scienze sociali, indice ben organizzato, utile sia per la consultazione che per l'autoapprendimento, uso efficace del codice R, in particolare nei contesti bayesiani.

Non è adatto ai principianti, alcuni dettagli importanti vengono tralasciati, la terminologia non convenzionale può confondere, gli esercizi possono essere troppo impegnativi, la navigazione nei formati digitali è frustrante, la qualità di stampa è scarsa e alcuni trovano la scrittura pesante e priva di dettagli rigorosi.

(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.