國立虎尾科技大學 |

Einfache lineare Regression = Die Grundlage für komplexe Regressionsmodelle verstehen /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Einfache lineare Regression/ von Irasianty Frost.
其他題名:	Die Grundlage für komplexe Regressionsmodelle verstehen /
作者:	Frost, Irasianty.
面頁冊數:	VIII, 37 S. 8 Abb.online resource. :
Contained By:	Springer Nature eBook
標題:	Statistics . -
電子資源:	https://doi.org/10.1007/978-3-658-19732-2
ISBN:	9783658197322

Einfache lineare Regression = Die Grundlage für komplexe Regressionsmodelle verstehen /
Frost, Irasianty.

Einfache lineare RegressionDie Grundlage für komplexe Regressionsmodelle verstehen /[electronic resource] :von Irasianty Frost. - 1st ed. 2018. - VIII, 37 S. 8 Abb.online resource. - essentials,2197-6708. - essentials,.

Dieses essential befasst sich mit der einfachen linearen Regression, der simpelsten Form von Regressionsmodellen, in der für die Modellbildung nur eine einzige Einflussvariable berücksichtigt wird. Leser finden in diesem Buch die Methode der kleinsten Quadrate zur Schätzung der Modellparameter, Residualanalysen zur Überprüfung der Modellannahmen sowie weitere statistische Verfahren zur Beurteilung des Modells. Zudem erfahren sie, wie das Modell als ein Prognoseinstrument eingesetzt werden kann. Somit erwerben Leser eine solide Grundlage zum Verständnis komplexer Regressionsansätze, bei denen mehrere Variablen die Zielgröße beeinflussen und nichtlineare Zusammenhänge vorliegen. Der Inhalt Definition des einfachen Regressionsmodells Überprüfung der Modellvoraussetzungen Beurteilung des Modells durch den Korrelations- und den Determinationskoeffizienten Regressionsgerade als ein Instrument für eine Prognose Umkehrregression Die Zielgruppen Studierende und Dozierende der Sozial- und Wirtschaftswissenschaften sowie Psychologie und Medizin Praktiker, die ihr Forschungsinstrument und ihre Studienergebnisse verstehen wollen Die Autorin Dipl.-Statistikerin Irasianty Frost ist als Dozentin für Statistik an der Hochschule Fresenius in München tätig.

ISBN: 9783658197322

Standard No.: 10.1007/978-3-658-19732-2doiSubjects--Topical Terms:

1253516
Statistics .

LC Class. No.: QA276-280

Dewey Class. No.: 519.5

Einfache lineare Regression = Die Grundlage für komplexe Regressionsmodelle verstehen /
LDR:02514nam a22003495i 4500 001 996885
003 DE-He213
005 20200714052455.0
007 cr nn 008mamaa
008 201225s2018 gw | s |||| 0|ger d
020 $a 9783658197322 $9 978-3-658-19732-2
024 7 $a 10.1007/978-3-658-19732-2 $2 doi
035 $a 978-3-658-19732-2
050 4 $a QA276-280
072 7 $a JHBC $2 bicssc
072 7 $a SOC027000 $2 bisacsh
072 7 $a JHBC $2 thema
082 0 4 $a 519.5 $2 23
100 1 $a Frost, Irasianty. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1288134
245 1 0 $a Einfache lineare Regression $h [electronic resource] : $b Die Grundlage für komplexe Regressionsmodelle verstehen / $c von Irasianty Frost.
250 $a 1st ed. 2018.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer VS, $c 2018.
300 $a VIII, 37 S. 8 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 2197-6708
520 $a Dieses essential befasst sich mit der einfachen linearen Regression, der simpelsten Form von Regressionsmodellen, in der für die Modellbildung nur eine einzige Einflussvariable berücksichtigt wird. Leser finden in diesem Buch die Methode der kleinsten Quadrate zur Schätzung der Modellparameter, Residualanalysen zur Überprüfung der Modellannahmen sowie weitere statistische Verfahren zur Beurteilung des Modells. Zudem erfahren sie, wie das Modell als ein Prognoseinstrument eingesetzt werden kann. Somit erwerben Leser eine solide Grundlage zum Verständnis komplexer Regressionsansätze, bei denen mehrere Variablen die Zielgröße beeinflussen und nichtlineare Zusammenhänge vorliegen. Der Inhalt Definition des einfachen Regressionsmodells Überprüfung der Modellvoraussetzungen Beurteilung des Modells durch den Korrelations- und den Determinationskoeffizienten Regressionsgerade als ein Instrument für eine Prognose Umkehrregression Die Zielgruppen Studierende und Dozierende der Sozial- und Wirtschaftswissenschaften sowie Psychologie und Medizin Praktiker, die ihr Forschungsinstrument und ihre Studienergebnisse verstehen wollen Die Autorin Dipl.-Statistikerin Irasianty Frost ist als Dozentin für Statistik an der Hochschule Fresenius in München tätig.
650 0 $a Statistics . $3 1253516
650 1 4 $a Statistics for Social Sciences, Humanities, Law. $3 1211304
650 2 4 $a Statistics for Life Sciences, Medicine, Health Sciences. $3 670172
650 2 4 $a Statistics for Business, Management, Economics, Finance, Insurance. $3 1211158
650 2 4 $a Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences. $3 782247
650 2 4 $a Statistical Theory and Methods. $3 671396
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658197315
830 0 $a essentials, $x 2197-6708 $3 1253503
856 4 0 $u https://doi.org/10.1007/978-3-658-19732-2
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)