Fondements des modèles linéaires et des modèles linéaires généralisés

Avis des lecteurs

Résumé:

L'ouvrage a reçu un accueil mitigé, salué pour son introduction rigoureuse à la modélisation linéaire et aux modèles linéaires généralisés, ainsi que pour son équilibre entre la théorie et les exemples pratiques de codage. Cependant, certains lecteurs le trouvent presque illisible en raison de la notation non standard et du manque de définitions formelles.

Avantages:

Introduction rigoureuse aux modèles linéaires et aux modèles linéaires généralisés, bon équilibre entre théorie et applicabilité, exemples de codage complets en R, inclusion d'exercices en annexe, bien écrit et accessible sans sacrifier la rigueur mathématique.

Inconvénients:

Certains lecteurs trouvent le livre presque illisible en raison de la notation non standard et du manque de structure formelle, il peut être difficile à comprendre et manque d'explications détaillées pour certains concepts.

(basé sur 5 avis de lecteurs)

Titre original :

Foundations of Linear and Generalized Linear Models

Contenu du livre :

Un aperçu précieux des idées et des résultats les plus importants en matière de modélisation statistique.

Rédigé par un auteur très expérimenté, Foundations of Linear and Generalized Linear Models est un guide clair et complet des concepts et résultats clés des modèles statistiques linéaires. Le livre présente une vue d'ensemble large et approfondie des modèles statistiques les plus couramment utilisés en discutant de la théorie sous-jacente aux modèles, des applications du logiciel R, et des exemples avec des modèles élaborés pour élucider les idées clés et promouvoir la construction de modèles pratiques.

Le livre commence par illustrer les principes fondamentaux des modèles linéaires, tels que la façon dont l'ajustement du modèle projette les données sur un sous-espace vectoriel du modèle et la façon dont les décompositions orthogonales des données fournissent des informations sur les effets des variables explicatives. Ensuite, le livre couvre les modèles linéaires généralisés les plus populaires, qui comprennent la régression logistique binomiale et multinomiale pour les données catégorielles, et les modèles log-linéaires de Poisson et binomial négatif pour les données de comptage. En se concentrant sur les fondements théoriques de ces modèles, Foundations of Linear and Generalized Linear Models présente également :

⬤ Une introduction aux méthodes de quasi-vraisemblance qui nécessitent des hypothèses de distribution plus faibles, telles que les méthodes d'équation d'estimation généralisée.

⬤ Une vue d'ensemble des modèles linéaires mixtes et des modèles linéaires mixtes généralisés avec effets aléatoires pour les données corrélées en grappes, la modélisation bayésienne et les extensions pour traiter les cas problématiques tels que les problèmes de haute dimension.

⬤ De nombreux exemples utilisant le logiciel R pour toutes les analyses de données textuelles.

⬤ Plus de 400 exercices permettant aux lecteurs de mettre en pratique et d'approfondir la théorie, les méthodes et l'analyse des données.

⬤ Un site web supplémentaire avec des ensembles de données pour les exemples et les exercices.

Un manuel inestimable pour les étudiants en statistiques et biostatistiques de niveau supérieur, Foundations of Linear and Generalized Linear Models est également une excellente référence pour les statisticiens et biostatisticiens en exercice, ainsi que pour toute personne intéressée par les modèles statistiques les plus importants pour l'analyse des données.

Autres informations sur le livre :

• ISBN : 9781118730034
• Auteur : Alan Agresti
• Éditeur : Wiley
• Reliure : Relié
• Année de publication : 2015
• Nombre de pages : 480