Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 5 votes.
Titre original :
JMP for Mixed Models
Contenu du livre :
Découvrez la puissance des modèles mixtes avec JMP et JMP Pro.
Les modèles mixtes sont aujourd'hui la méthode de choix la plus répandue pour l'analyse des données expérimentales. Pourquoi ? Ils constituent sans doute le moyen le plus simple et le plus puissant de traiter les observations corrélées dans les expériences conçues. Allant bien au-delà des modèles linéaires standard, les modèles mixtes vous permettent de faire des déductions exactes et précises sur vos expériences et de mieux comprendre les sources de signal et de bruit dans le système étudié. Les effets fixes et aléatoires bien formés se généralisent bien et vous aident à prendre les meilleures décisions en fonction des données.
JMP pour les modèles mixtes réunit deux des plus solides traditions des logiciels SAS : les modèles mixtes et JMP. La philosophie révolutionnaire de JMP, qui intègre étroitement les statistiques à des graphiques dynamiques, constitue un environnement idéal pour l'apprentissage et l'application des modèles mixtes, également connus sous le nom de modèles linéaires hiérarchiques ou multiniveaux. Si vous êtes un scientifique ou un ingénieur, les méthodes décrites ici peuvent révolutionner la façon dont vous analysez les données expérimentales sans avoir besoin d'écrire du code.
Vous y trouverez une riche collection d'exemples et une approche pas à pas de la maîtrise des modèles mixtes. Les sujets abordés sont les suivants :
⬤ Apprendre à reconnaître, configurer et interpréter correctement les effets fixes et aléatoires.
⬤ Étendre l'analyse de la variance (ANOVA) et la régression linéaire à de nombreux modèles mixtes.
⬤ Comprendre le fonctionnement des degrés de liberté à l'aide de Skeleton ANOVA.
⬤ Analyser les plans en blocs randomisés, les plans à parcelles séparées, les plans longitudinaux et les plans à mesures répétées.
⬤ Introduire des méthodes plus avancées telles que la covariance spatiale et les modèles mixtes linéaires généralisés.
⬤ La simulation de modèles mixtes pour évaluer la puissance et d'autres caractéristiques importantes de l'échantillonnage.
⬤ Fournir un cadre solide pour comprendre la modélisation statistique en général.
⬤ Améliorer la perspective sur les dilemmes modernes concernant les méthodes bayésiennes, les valeurs p et l'inférence causale.
Autres informations sur le livre :
| ISBN : | 9781952365218 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
