Applied Multiple Imputation / Kleinke, Kristian  

Público ISBD Ningún comentario para este registro. Título : Applied Multiple Imputation : Advantages, Pitfalls, New Developments and Applications in R Tipo de documento: documento electrónico Autores: Kleinke, Kristian, Autor ; Reinecke, Jost, Autor ; Salfrán, Daniel, Autor ; Spiess, Martin, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XI, 292 p. 23 ilustraciones, 3 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-38164-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Ciencias sociales  Psicología  Biometría  Estadísticas  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas  Métodos psicológicos  Bioestadística  Teoría y métodos estadísticos  Estadística y Computación Índice Dewey: 300.727 Resumen: Este libro explora técnicas de datos faltantes y proporciona una introducción detallada y fácil de leer a la imputación múltiple, cubriendo los aspectos teóricos del tema y ofreciendo ayuda práctica con la implementación. Se analizan los pros y los contras de diversas técnicas y conceptos, incluido el diagnóstico de calidad por imputación múltiple, un tema importante para los profesionales. También presenta investigaciones actuales y desarrollos nuevos y prácticamente relevantes en el campo, y demuestra el uso de técnicas recientes de imputación múltiple diseñadas para situaciones donde se violan los supuestos distributivos de las soluciones clásicas de imputación múltiple. Además, el libro presenta numerosos tutoriales prácticos sobre paquetes de software R ampliamente utilizados para generar múltiples imputaciones (norma, panorámica y ratones). El código R y los conjuntos de datos proporcionados permiten a los lectores reproducir todos los ejemplos y mejorar su comprensión de los procedimientos. Este libro está dirigido a científicos sociales y de la salud y otros investigadores cuantitativos que analizan conjuntos de datos observados de forma incompleta, así como a estudiantes de maestría y doctorado con sólidos conocimientos básicos de estadística. . Nota de contenido: 1 Introduction and Basic Concepts -- 2 Missing Data Mechanism and Ignorability -- 3 Missing Data Methods -- 4 Multiple Imputation: Theory -- 5 Multiple Imputation: Application -- 6 Multiple Imputation: New Developments -- A Appendices -- Index. 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 Applied Multiple Imputation : Advantages, Pitfalls, New Developments and Applications in R [documento electrónico] / Kleinke, Kristian, Autor ; Reinecke, Jost, Autor ; Salfrán, Daniel, Autor ; Spiess, Martin, Autor  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XI, 292 p. 23 ilustraciones, 3 ilustraciones en color. ISBN : 978-3-030-38164-6 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Ciencias sociales  Psicología  Biometría  Estadísticas  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas  Métodos psicológicos  Bioestadística  Teoría y métodos estadísticos  Estadística y Computación Índice Dewey: 300.727 Resumen: Este libro explora técnicas de datos faltantes y proporciona una introducción detallada y fácil de leer a la imputación múltiple, cubriendo los aspectos teóricos del tema y ofreciendo ayuda práctica con la implementación. Se analizan los pros y los contras de diversas técnicas y conceptos, incluido el diagnóstico de calidad por imputación múltiple, un tema importante para los profesionales. También presenta investigaciones actuales y desarrollos nuevos y prácticamente relevantes en el campo, y demuestra el uso de técnicas recientes de imputación múltiple diseñadas para situaciones donde se violan los supuestos distributivos de las soluciones clásicas de imputación múltiple. Además, el libro presenta numerosos tutoriales prácticos sobre paquetes de software R ampliamente utilizados para generar múltiples imputaciones (norma, panorámica y ratones). El código R y los conjuntos de datos proporcionados permiten a los lectores reproducir todos los ejemplos y mejorar su comprensión de los procedimientos. Este libro está dirigido a científicos sociales y de la salud y otros investigadores cuantitativos que analizan conjuntos de datos observados de forma incompleta, así como a estudiantes de maestría y doctorado con sólidos conocimientos básicos de estadística. . Nota de contenido: 1 Introduction and Basic Concepts -- 2 Missing Data Mechanism and Ignorability -- 3 Missing Data Methods -- 4 Multiple Imputation: Theory -- 5 Multiple Imputation: Application -- 6 Multiple Imputation: New Developments -- A Appendices -- Index. 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