SØG - mellem flere end 8 millioner bøger:
Viser: Regression and Other Stories
Regression and Other Stories Vital Source e-bog
Andrew Gelman, Jennifer Hill og Aki Vehtari
(2020)
Regression and Other Stories Vital Source e-bog
Andrew Gelman, Jennifer Hill og Aki Vehtari
(2020)
Regression and Other Stories
Andrew Gelman, Jennifer Hill og Aki Vehtari
(2020)
Sprog: Engelsk
Detaljer om varen
- Vital Source searchable e-book (Fixed pages)
- Udgiver: Cambridge University Press (Juli 2020)
- Forfattere: Andrew Gelman, Jennifer Hill og Aki Vehtari
- ISBN: 9781108907354
Bookshelf online: 5 år fra købsdato.
Bookshelf appen: ubegrænset dage fra købsdato.
Udgiveren oplyser at følgende begrænsninger er gældende for dette produkt:
Print: -1 sider kan printes ad gangen
Copy: højest -1 sider i alt kan kopieres (copy/paste)
Detaljer om varen
- Vital Source 180 day rentals (fixed pages)
- Udgiver: Cambridge University Press (Juli 2020)
- Forfattere: Andrew Gelman, Jennifer Hill og Aki Vehtari
- ISBN: 9781108907354R180
Online udgaven er tilgængelig: 180 dage fra købsdato.
Offline udgaven er tilgængelig: 180 dage fra købsdato.
Udgiveren oplyser at følgende begrænsninger er gældende for dette produkt:
Print: -1 sider kan printes ad gangen
Copy: højest -1 sider i alt kan kopieres (copy/paste)
Detaljer om varen
- Hardback: 548 sider
- Udgiver: Cambridge University Press (Juli 2020)
- Forfattere: Andrew Gelman, Jennifer Hill og Aki Vehtari
- ISBN: 9781107023987
Part I. Fundamentals:
1. Overview;
2. Data and measurement;
3. Some basic methods in mathematics and probability;
4. Statistical inference;
5. Simulation;
Part II. Linear Regression:
6. Background on regression modeling;
7. Linear regression with a single predictor;
8. Fitting regression models;
9. Prediction and Bayesian inference;
10. Linear regression with multiple predictors;
11. Assumptions, diagnostics, and model evaluation;
12. Transformations and regression;
Part III. Generalized Linear Models:
13. Logistic regression;
14. Working with logistic regression;
15. Other generalized linear models;
Part IV. Before and After Fitting a Regression:
16. Design and sample size decisions;
17. Poststratification and missing-data imputation;
Part V. Causal Inference:
18. Causal inference and randomized experiments;
19. Causal inference using regression on the treatment variable;
20. Observational studies with all confounders assumed to be measured;
21. Additional topics in causal inference;
Part VI. What Comes Next?:
22. Advanced regression and multilevel models; Appendices: A. Computing in R; B. 10 quick tips to improve your regression modelling; References; Author index; Subject index.