國立虎尾科技大學 |

Logistische Regression = Eine anwendungsorientierte Einführung mit R /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Logistische Regression/ von Markus Kalisch, Lukas Meier.
其他題名:	Eine anwendungsorientierte Einführung mit R /
作者:	Kalisch, Markus.
其他作者:	Meier, Lukas.
面頁冊數:	XII, 60 S. 13 Abb.online resource. :
Contained By:	Springer Nature eBook
標題:	Statistical Theory and Methods. -
電子資源:	https://doi.org/10.1007/978-3-658-34225-8
ISBN:	9783658342258

Logistische Regression = Eine anwendungsorientierte Einführung mit R /
Kalisch, Markus.

Logistische RegressionEine anwendungsorientierte Einführung mit R /[electronic resource] :von Markus Kalisch, Lukas Meier. - 1st ed. 2021. - XII, 60 S. 13 Abb.online resource. - essentials,2197-6716. - essentials,.

Einleitung -- Aspekte desWahrscheinlichkeitsbegriffs -- Das logistische Regressionsmodell -- Logistische Regression in R -- Klassifikation -- Ausblick.

Open Access

Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. Der Inhalt Begriffe der Odds, Log-Odds, Odds-Ratio Logistische Regression: Theorie, Umsetzung mit R und Interpretation Verwendung der logistischen Regression zur Klassifikation Die Zielgruppen Statistikanwender aus allen Fachbereichen mit Grundkenntnissen der linearen Regression Die Autoren Dr. Markus Kalisch und Dr. Lukas Meier lehren und forschen am Seminar für Statistik an der ETH Zürich. Zusammen leiten sie den statistischen Beratungsdienst, eine hochschulweite Anlaufstelle für alle statistischen Fragestellungen.

ISBN: 9783658342258

Standard No.: 10.1007/978-3-658-34225-8doiSubjects--Topical Terms:

671396
Statistical Theory and Methods.

LC Class. No.: QA276-280

Dewey Class. No.: 519.5

Logistische Regression = Eine anwendungsorientierte Einführung mit R /
LDR:02587nam a22003855i 4500 001 1047812
003 DE-He213
005 20210907074705.0
007 cr nn 008mamaa
008 220103s2021 gw | s |||| 0|ger d
020 $a 9783658342258 $9 978-3-658-34225-8
024 7 $a 10.1007/978-3-658-34225-8 $2 doi
035 $a 978-3-658-34225-8
050 4 $a QA276-280
072 7 $a PBT $2 bicssc
072 7 $a MAT029000 $2 bisacsh
072 7 $a PBT $2 thema
082 0 4 $a 519.5 $2 23
100 1 $a Kalisch, Markus. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1351555
245 1 0 $a Logistische Regression $h [electronic resource] : $b Eine anwendungsorientierte Einführung mit R / $c von Markus Kalisch, Lukas Meier.
250 $a 1st ed. 2021.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Spektrum, $c 2021.
300 $a XII, 60 S. 13 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a essentials, $x 2197-6716
505 0 $a Einleitung -- Aspekte desWahrscheinlichkeitsbegriffs -- Das logistische Regressionsmodell -- Logistische Regression in R -- Klassifikation -- Ausblick.
506 0 $a Open Access
520 $a Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. Der Inhalt Begriffe der Odds, Log-Odds, Odds-Ratio Logistische Regression: Theorie, Umsetzung mit R und Interpretation Verwendung der logistischen Regression zur Klassifikation Die Zielgruppen Statistikanwender aus allen Fachbereichen mit Grundkenntnissen der linearen Regression Die Autoren Dr. Markus Kalisch und Dr. Lukas Meier lehren und forschen am Seminar für Statistik an der ETH Zürich. Zusammen leiten sie den statistischen Beratungsdienst, eine hochschulweite Anlaufstelle für alle statistischen Fragestellungen.
650 1 4 $a Statistical Theory and Methods. $3 671396
650 0 $a Statistics . $3 1253516
700 1 $a Meier, Lukas. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1327723
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658342241
830 0 $a essentials, $x 2197-6708 $3 1253503
856 4 0 $u https://doi.org/10.1007/978-3-658-34225-8
912 $a ZDB-2-SNA
912 $a ZDB-2-SOB
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)