Avis des lecteurs
Résumé:Ce livre est très apprécié pour son approche claire et informative des modèles linéaires mixtes généralisés (GLMM), qui rend les concepts complexes accessibles même à ceux qui ne connaissent pas les statistiques. Les lecteurs apprécient son application pratique et ses conseils étape par étape sur la conception et l'analyse des études. Cependant, de nombreuses critiques signalent un nombre important de fautes de frappe et d'erreurs qui entravent l'expérience d'apprentissage et suggèrent qu'il peut être difficile de naviguer de façon autonome en raison de sa densité. Dans l'ensemble, il est considéré comme une ressource précieuse, en particulier pour les enseignants et les étudiants avancés, malgré ses lacunes.
Avantages:⬤ Exposé clair et convaincant des GLMM, à partir de la régression linéaire.
⬤ L'accent est mis sur la conception et l'analyse d'études appropriées.
⬤ Texte concis et bien écrit, avec une touche d'humour.
⬤ Aide à la compréhension des structures d'erreur et de la modélisation.
⬤ Exemples concrets et codes SAS téléchargeables.
⬤ Idéal pour l'enseignement et l'apprentissage des statistiques.
⬤ Nombreuses fautes de frappe et erreurs dans le texte et les exemples de code.
⬤ Le matériel dense peut être difficile à suivre sans conseils.
⬤ Manque de code R malgré sa pertinence.
⬤ Certains concepts complexes ne sont pas bien illustrés, ce qui les rend difficiles à saisir.
(basé sur 8 avis de lecteurs)
Titre original :
Generalized Linear Mixed Models: Modern Concepts, Methods and Applications
Contenu du livre :
L'ouvrage Generalized Linear Mixed Models : Modern Concepts, Methods and Applications présente une introduction à la modélisation linéaire en utilisant le modèle linéaire mixte généralisé (GLMM) comme cadre conceptuel global. Ce livre aide les lecteurs qui ne connaissent pas encore les modèles linéaires à avoir une vue d'ensemble. Il montre comment les modèles linéaires s'intègrent dans le reste du programme de base de la statistique et met en évidence les principales questions que les modélisateurs statistiques doivent prendre en compte.
Tout en décrivant les applications courantes des GLMM, le texte présente la théorie essentielle et la méthodologie principale associées aux modèles linéaires qui prennent en compte les effets aléatoires du modèle et les données non gaussiennes. Contrairement aux manuels traditionnels sur les modèles linéaires qui se concentrent sur les données normalement distribuées, celui-ci adopte une approche de modèle mixte généralisé : les données pour la modélisation linéaire n'ont pas besoin d'être normalement distribuées et les effets peuvent être fixes ou aléatoires.
Avec de nombreux exemples utilisant SAS(R) PROC GLIMMIX, ce livre est idéal pour les étudiants diplômés en statistique, les professionnels de la statistique qui cherchent à mettre à jour leurs connaissances et les chercheurs qui découvrent le processus de réflexion sur les modèles linéaires généralisés. Il se concentre sur les processus guidés par les données et fournit un contexte pour étendre la réflexion traditionnelle sur les modèles linéaires à la modélisation linéaire mixte généralisée.
Voir le professeur Stroup parler du livre.
Autres informations sur le livre :
| ISBN : | 9781439815120 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2012 |
| Nombre de pages : | 555 |
Achat:
Actuellement disponible, en stock.
