Logistic regression: A self-learning text
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Logistic Regression: A Self-Learning Text" von David G. Kleinbaum und Mitautoren ist ein umfassendes Lehrbuch, das sich mit der statistischen Methode der logistischen Regression befasst. Diese Methode wird häufig in den Biowissenschaften, Sozialwissenschaften und anderen Disziplinen verwendet, um die Beziehung zwischen einer oder mehreren unabhängigen Variablen und einer dichotomen abhängigen Variable zu modellieren. Das Buch ist als Selbstlerntext konzipiert und richtet sich sowohl an Studierende als auch an Fachleute, die ein tieferes Verständnis der logistischen Regression erlangen möchten. Es behandelt grundlegende Konzepte wie die Logit-Funktion, Maximum-Likelihood-Schätzung und Modellbewertung. Darüber hinaus werden fortgeschrittene Themen wie multivariable Anpassungen, Interaktionen und Modellvalidierung erläutert. Durch zahlreiche Beispiele, Übungen und Abbildungen erleichtert das Buch den Lernprozess. Zudem bietet es praktische Anleitungen zur Implementierung der logistischen Regression mit statistischer Software. Insgesamt dient das Werk als wertvolle Ressource für alle, die eine fundierte Einführung in die Theorie und Anwendung der logistischen Regression suchen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- paperback
- 607 Seiten
- Erschienen 2016
- Springer
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 339 Seiten
- Erschienen 2015
- Springer
- Kartoniert
- 621 Seiten
- Erschienen 2020
- Springer
- Kartoniert
- 171 Seiten
- Erschienen 2009
- Springer
- Gebunden
- 720 Seiten
- Erschienen 1999
- The MIT Press
- Gebunden
- 352 Seiten
- Erschienen 1990
- Chapman and Hall/CRC
- Gebunden
- 400 Seiten
- Erschienen 2018
- Wiley
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- Kartoniert
- 384 Seiten
- Erschienen 2016
- O'Reilly Media



