Statistical Regression Modeling with R / Chen, Ding-Geng (Din)  

Público ISBD Ningún comentario para este registro. Título : Statistical Regression Modeling with R : Longitudinal and Multi-level Modeling Tipo de documento: documento electrónico Autores: Chen, Ding-Geng (Din), Autor ; Chen, Jenny K., Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XVII, 228 p. 45 ilustraciones ISBN/ISSN/DL: 978-3-030-67583-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas  Lenguajes de programación (computadoras electrónicas)  Teoría y métodos estadísticos  Estadísticas aplicadas  Lenguaje de programación Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro proporciona un punto de referencia conciso para los métodos de regresión más utilizados. Comienza con la regresión lineal y no lineal para datos distribuidos normalmente, la regresión logística para datos distribuidos binomialmente y la regresión de Poisson y la regresión binomial negativa para datos de recuento. Luego avanza hacia estos modelos de regresión que funcionan con estructuras de datos longitudinales y multinivel. El volumen está diseñado para guiar la transición del modelado de regresión clásico a uno más avanzado, así como para contribuir al rápido desarrollo de la estadística y la ciencia de datos. Con datos y programas informáticos disponibles para facilitar la experiencia de aprendizaje de los lectores, Statistical Regression Modeling promueve las aplicaciones de R en regresión lineal, no lineal, longitudinal y multinivel. Todos los conjuntos de datos incluidos, así como el programa R asociado en los paquetes nlme y lme4 para regresión multinivel, se detallan en el Apéndice A. Este libro será valioso en cursos de posgrado sobre regresión aplicada, así como para profesionales e investigadores en los campos de la ciencia de datos, el análisis estadístico, la salud pública y campos relacionados. Nota de contenido: 1. Linear Regression -- 2. Introduction to Multi-Level Regression -- 3. Two-Level Multi-Level Modeling -- 4. Higher-Level Multi-Level Modeling -- 5. Longitudinal Data Analysis -- 6. Nonlinear Regression Modeling -- 7. Nonlinear Mixed-Effects Modeling -- 8. Generalized Linear Model -- 9. Generalized Multi-Level Model for Dichotomous Outcome -- 10. Generalized Multi-Level Model for Counts Outcome. 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 Statistical Regression Modeling with R : Longitudinal and Multi-level Modeling [documento electrónico] / Chen, Ding-Geng (Din), Autor ; Chen, Jenny K., Autor  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XVII, 228 p. 45 ilustraciones. ISBN : 978-3-030-67583-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Estadísticas  Lenguajes de programación (computadoras electrónicas)  Teoría y métodos estadísticos  Estadísticas aplicadas  Lenguaje de programación Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro proporciona un punto de referencia conciso para los métodos de regresión más utilizados. Comienza con la regresión lineal y no lineal para datos distribuidos normalmente, la regresión logística para datos distribuidos binomialmente y la regresión de Poisson y la regresión binomial negativa para datos de recuento. Luego avanza hacia estos modelos de regresión que funcionan con estructuras de datos longitudinales y multinivel. El volumen está diseñado para guiar la transición del modelado de regresión clásico a uno más avanzado, así como para contribuir al rápido desarrollo de la estadística y la ciencia de datos. Con datos y programas informáticos disponibles para facilitar la experiencia de aprendizaje de los lectores, Statistical Regression Modeling promueve las aplicaciones de R en regresión lineal, no lineal, longitudinal y multinivel. Todos los conjuntos de datos incluidos, así como el programa R asociado en los paquetes nlme y lme4 para regresión multinivel, se detallan en el Apéndice A. Este libro será valioso en cursos de posgrado sobre regresión aplicada, así como para profesionales e investigadores en los campos de la ciencia de datos, el análisis estadístico, la salud pública y campos relacionados. Nota de contenido: 1. Linear Regression -- 2. Introduction to Multi-Level Regression -- 3. Two-Level Multi-Level Modeling -- 4. Higher-Level Multi-Level Modeling -- 5. Longitudinal Data Analysis -- 6. Nonlinear Regression Modeling -- 7. Nonlinear Mixed-Effects Modeling -- 8. Generalized Linear Model -- 9. Generalized Multi-Level Model for Dichotomous Outcome -- 10. Generalized Multi-Level Model for Counts Outcome. 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

---

1 (1 - 1 / 1) Par page : 25 50 100 200