Avis des lecteurs
Résumé:Ce livre est très apprécié pour son approche pratique de la régression linéaire, mettant l'accent sur l'application et le codage avec R. Il est utile à la fois pour les débutants et pour ceux qui cherchent à réviser leurs connaissances, grâce à des explications claires et à des réflexions approfondies. L'auteur fournit un code facilement accessible en ligne, ce qui améliore l'expérience de l'utilisateur. Bien que le livre aborde de nombreux sujets sans approfondir la théorie, il est apprécié pour sa simplicité et son côté pratique, en particulier dans le contexte d'applications réelles, telles que la recherche clinique.
Avantages:⬤ Approche pratique de l'apprentissage de la régression linéaire.
⬤ Accent mis sur l'application et le codage avec R.
⬤ Accès au code R en ligne pour l'expérimentation.
⬤ Des explications claires et des idées utiles.
⬤ Bon équilibre entre la théorie et l'application.
⬤ Utile à la fois pour les débutants et pour ceux qui révisent les concepts.
⬤ Manque de preuves rigoureuses, peut ne pas satisfaire ceux qui recherchent une couverture théorique approfondie.
⬤ Certains utilisateurs souhaiteraient un index des commandes R pour une référence plus facile.
(basé sur 10 avis de lecteurs)
Titre original :
Linear Models with R
Contenu du livre :
Une façon pratique d'apprendre l'analyse des données
Faisant partie du cœur des statistiques, les modèles linéaires sont utilisés pour faire des prédictions et expliquer la relation entre la réponse et les prédicteurs. La compréhension des modèles linéaires est cruciale pour une compétence plus large dans la pratique des statistiques. L'ouvrage Linear Models with R, Second Edition explique comment utiliser les modèles linéaires dans les sciences physiques, l'ingénierie, les sciences sociales et les applications commerciales. Le livre incorpore plusieurs améliorations qui reflètent la façon dont le monde de R s'est considérablement élargi depuis la publication de la première édition.
Nouveautés de la deuxième édition
⬤ Matériel réorganisé sur l'interprétation des modèles linéaires, qui distingue les principales applications de la prédiction et de l'explication et introduit des notions élémentaires de causalité.
⬤ Des sujets supplémentaires, y compris la décomposition QR, les splines, les modèles additifs, Lasso, l'imputation multiple et les taux de fausse découverte.
⬤ Utilisation extensive du package graphique ggplot2 en plus des graphiques de base.
Comme son prédécesseur, largement plébiscité et best-seller, cette édition combine les statistiques et R pour offrir une exposition cohérente de la pratique de la modélisation linéaire. Le texte offre un aperçu actualisé des sujets essentiels de l'analyse des données, de l'estimation, de l'inférence et de la prédiction aux données manquantes, aux modèles factoriels et aux plans en blocs. De nombreux exemples illustrent la façon d'appliquer les différentes méthodes à l'aide de R.
Autres informations sur le livre :
| ISBN : | 9781439887332 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2014 |
| Nombre de pages : | 286 |
Achat:
Actuellement disponible, en stock.
