Avis des lecteurs
Résumé:Ce livre est une introduction facile à lire aux modèles linéaires généralisés (GLM), adaptée à ceux qui sont familiers avec les statistiques de base. Il explique efficacement les intuitions et les procédures, bien qu'il manque de preuves rigoureuses et d'exemples pratiques de codage.
Avantages:⬤ Rapide et facile à lire
⬤ bonne introduction aux GLM
⬤ bien écrit avec des informations précieuses
⬤ adapté à la préparation de l'examen CAS MAS-I
⬤ explications théoriques accessibles.
⬤ Nécessite des connaissances préalables en régression linéaire et logistique
⬤ manque de preuves pour les distributions d'échantillonnage
⬤ manque d'exemples de codage et de ressources supplémentaires pour les débutants
⬤ peut ne pas convenir à ceux qui n'ont pas de connaissances théoriques en statistiques.
(basé sur 6 avis de lecteurs)
Titre original :
An Introduction to Generalized Linear Models
Contenu du livre :
An Introduction to Generalized Linear Models, Fourth Edition fournit un cadre cohérent pour la modélisation statistique, en mettant l'accent sur les méthodes numériques et graphiques. Cette nouvelle édition d'un best-seller a été mise à jour avec de nouvelles sections sur les associations non linéaires, des stratégies pour la sélection de modèles et une Postface sur les bonnes pratiques statistiques.
Comme son prédécesseur, cette édition présente le contexte théorique des modèles linéaires généralisés (GLM) avant de se concentrer sur les méthodes d'analyse de types particuliers de données. Elle couvre les distributions normales, de Poisson et binomiales, les modèles de régression linéaire, les méthodes classiques d'estimation et d'ajustement des modèles, ainsi que les méthodes fréquentistes d'inférence statistique. Après avoir posé ces bases, les auteurs explorent la régression linéaire multiple, l'analyse de la variance (ANOVA), la régression logistique, les modèles log-linéaires, l'analyse de survie, la modélisation multiniveaux, les modèles bayésiens et les méthodes de Monte Carlo par chaîne de Markov (MCMC).
⬤ Il présente les GLM d'une manière qui permet aux lecteurs de comprendre la structure unificatrice qui les sous-tend.
⬤ Il aborde les concepts et principes communs des GLM avancés, y compris la régression nominale et ordinale, l'analyse de survie, les associations non linéaires et l'analyse longitudinale.
⬤ L'analyse bayésienne et les méthodes MCMC pour ajuster les GLM.
⬤ Contient de nombreux exemples tirés du monde des affaires, de la médecine, de l'ingénierie et des sciences sociales.
⬤ Fournit le code d'exemple pour R, Stata et WinBUGS afin d'encourager la mise en œuvre des méthodes.
⬤ Il offre les ensembles de données et les solutions aux exercices en ligne.
⬤ Décrit les composantes d'une bonne pratique statistique pour améliorer la validité scientifique et la reproductibilité des résultats.
En utilisant des logiciels statistiques populaires, ce texte concis et accessible illustre les approches pratiques de l'estimation, de l'ajustement des modèles et des comparaisons de modèles.
Autres informations sur le livre :
| ISBN : | 9781138741515 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 376 |
Achat:
Actuellement disponible, en stock.
