| Título : |
Regression : Models, Methods and Applications |
| Tipo de documento: |
documento electrónico |
| Autores: |
Fahrmeir, Ludwig, Autor ; Kneib, Thomas, Autor ; Lang, Stefan, Autor ; Marx, Brian D., Autor |
| Mención de edición: |
2 ed. |
| Editorial: |
Berlin [Alemania] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XX, 746 p. 286 ilustraciones, 4 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-662-63882-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Análisis de regresión Estadísticas Investigación cuantitativa Estadísticas no paramétricas Estadistica matematica Modelos lineales y regresión Estadísticas aplicadas Análisis de datos y Big Data Inferencia no paramétrica Inferencia paramétrica Teoría y métodos estadísticos |
| Índice Dewey: |
519.536 |
| Resumen: |
Ahora en su segunda edición, este libro de texto proporciona una introducción aplicada y unificada a la regresión paramétrica, no paramétrica y semiparamétrica que cierra la brecha entre la teoría y la aplicación. Los modelos y métodos de regresión más importantes se presentan sobre una base formal sólida y se muestra su aplicación adecuada a través de numerosos ejemplos y estudios de casos. Las definiciones y afirmaciones más importantes se resumen de forma concisa en recuadros, y los conjuntos de datos y el código subyacentes están disponibles en línea en el sitio web exclusivo del libro. La disponibilidad de software (fácil de usar) ha sido un criterio importante para los métodos seleccionados y presentados. Los capítulos abordan el modelo lineal clásico y sus extensiones, modelos lineales generalizados, modelos de regresión categórica, modelos mixtos, regresión no paramétrica, regresión aditiva estructurada, regresión cuantil y modelos de regresión distribucional. Dos apéndices describen el álgebra matricial requerida, así como elementos de cálculo de probabilidad e inferencia estadística. En esta nueva edición sustancialmente revisada y actualizada, se ha ampliado la descripción general de los modelos de regresión y ahora incluye la relación entre los modelos de regresión y el aprendizaje automático, se han agregado detalles adicionales sobre la inferencia estadística en modelos de regresión aditivos estructurados y un capítulo completamente reelaborado aumenta la presentación. de regresión cuantil con una introducción completa a los modelos de regresión distributiva. Los enfoques de regularización ahora se analizan más ampliamente en la mayoría de los capítulos del libro. El libro se dirige principalmente a una audiencia que incluye estudiantes, profesores y profesionales de las ciencias sociales, económicas y biológicas, así como estudiantes y profesores de programas de estadística, y matemáticos e informáticos interesados en el modelado estadístico y el análisis de datos. Está escrito en un nivel matemático intermedio y solo asume conocimientos básicos de probabilidad, cálculo, álgebra matricial y estadística. |
| Nota de contenido: |
Introduction -- Regression Models -- The Classical Linear Model -- Extensions of the Classical Linear Model -- Generalized Linear Models -- Categorical Regression Models -- Mixed Models -- Nonparametric Regression -- Structured Additive Regression -- Distributional Regression Models. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Regression : Models, Methods and Applications [documento electrónico] / Fahrmeir, Ludwig, Autor ; Kneib, Thomas, Autor ; Lang, Stefan, Autor ; Marx, Brian D., Autor . - 2 ed. . - Berlin [Alemania] : Springer, 2021 . - XX, 746 p. 286 ilustraciones, 4 ilustraciones en color. ISBN : 978-3-662-63882-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Análisis de regresión Estadísticas Investigación cuantitativa Estadísticas no paramétricas Estadistica matematica Modelos lineales y regresión Estadísticas aplicadas Análisis de datos y Big Data Inferencia no paramétrica Inferencia paramétrica Teoría y métodos estadísticos |
| Índice Dewey: |
519.536 |
| Resumen: |
Ahora en su segunda edición, este libro de texto proporciona una introducción aplicada y unificada a la regresión paramétrica, no paramétrica y semiparamétrica que cierra la brecha entre la teoría y la aplicación. Los modelos y métodos de regresión más importantes se presentan sobre una base formal sólida y se muestra su aplicación adecuada a través de numerosos ejemplos y estudios de casos. Las definiciones y afirmaciones más importantes se resumen de forma concisa en recuadros, y los conjuntos de datos y el código subyacentes están disponibles en línea en el sitio web exclusivo del libro. La disponibilidad de software (fácil de usar) ha sido un criterio importante para los métodos seleccionados y presentados. Los capítulos abordan el modelo lineal clásico y sus extensiones, modelos lineales generalizados, modelos de regresión categórica, modelos mixtos, regresión no paramétrica, regresión aditiva estructurada, regresión cuantil y modelos de regresión distribucional. Dos apéndices describen el álgebra matricial requerida, así como elementos de cálculo de probabilidad e inferencia estadística. En esta nueva edición sustancialmente revisada y actualizada, se ha ampliado la descripción general de los modelos de regresión y ahora incluye la relación entre los modelos de regresión y el aprendizaje automático, se han agregado detalles adicionales sobre la inferencia estadística en modelos de regresión aditivos estructurados y un capítulo completamente reelaborado aumenta la presentación. de regresión cuantil con una introducción completa a los modelos de regresión distributiva. Los enfoques de regularización ahora se analizan más ampliamente en la mayoría de los capítulos del libro. El libro se dirige principalmente a una audiencia que incluye estudiantes, profesores y profesionales de las ciencias sociales, económicas y biológicas, así como estudiantes y profesores de programas de estadística, y matemáticos e informáticos interesados en el modelado estadístico y el análisis de datos. Está escrito en un nivel matemático intermedio y solo asume conocimientos básicos de probabilidad, cálculo, álgebra matricial y estadística. |
| Nota de contenido: |
Introduction -- Regression Models -- The Classical Linear Model -- Extensions of the Classical Linear Model -- Generalized Linear Models -- Categorical Regression Models -- Mixed Models -- Nonparametric Regression -- Structured Additive Regression -- Distributional Regression Models. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
519 Estadística y probabilidades
Hacer una sugerencia Refinar búsqueda
