Ein Hauptziel wissenschaftlicher Forschung ist das Auffinden von Beziehungen zwischen Variablen. Die Regressionsrechnung ist ein allgemein gebräuchliches statistisches Mittel zur Erstellung von mathematischen Modellen aus Forschungsdaten. Die 3. Auflage wurde um 16 neue Kapitel erweitert; die Grundlagen der Regressionsrechnung werden, ausgehend von klassischen Konzepten, präzise erklärt. Mit vielen Übungsaufgaben und Lösungen sowie einer Diskette.
Ein Hauptziel wissenschaftlicher Forschung ist das Auffinden von Beziehungen zwischen Variablen. Die Regressionsrechnung ist ein allgemein gebräuchliches statistisches Mittel zur Erstellung von mathematischen Modellen aus Forschungsdaten. Die 3. Auflage wurde um 16 neue Kapitel erweitert; die Grundlagen der Regressionsrechnung werden, ausgehend von klassischen Konzepten, präzise erklärt. Mit vielen Übungsaufgaben und Lösungen sowie einer Diskette.
NORMAN R. DRAPER teaches in the Department of Statistics at the University of Wisconsin. HARRY SMITH is a former faculty member of the Mt. Sinai School of Medicine.
Inhaltsangabe
Basic Prerequisite Knowledge. Fitting a Straight Line by Least Squares. Checking the Straight Line Fit. Fitting Straight Lines: Special Topics. Regression in Matrix Terms: Straight Line Case. The General Regression Situation. Extra Sums of Squares and Tests for Several Parameters Being Zero. Serial Correlation in the Residuals and the Durbin-Watson Test. More of Checking Fitted Models. Multiple Regression: Special Topics. Bias in Regression Estimates, and Expected Values of Mean Squares and Sums of Squares. On Worthwhile Regressions, Big F's, and R¯2. Models Containing Functions of the Predictors, Including Polynomial Models. Transformation of the Response Variable. "Dummy" Variables. Selecting the "Best" Regression Equation. Ill-Conditioning in Regression Data. Ridge Regression. Generalized Linear Models (GLIM). Mixture Ingredients as Predictor Variables. The Geometry of Least Squares. More Geometry of Least Squares. Orthogonal Polynomials and Summary Data. Multiple Regression Applied to Analysis of Variance Problems. An Introduction to Nonlinear Estimation. Robust Regression. Resampling Procedures (Bootstrapping). Bibliography. True/False Questions. Answers to Exercises. Tables. Indexes.
Basic Prerequisite Knowledge. Fitting a Straight Line by Least Squares. Checking the Straight Line Fit. Fitting Straight Lines: Special Topics. Regression in Matrix Terms: Straight Line Case. The General Regression Situation. Extra Sums of Squares and Tests for Several Parameters Being Zero. Serial Correlation in the Residuals and the Durbin-Watson Test. More of Checking Fitted Models. Multiple Regression: Special Topics. Bias in Regression Estimates, and Expected Values of Mean Squares and Sums of Squares. On Worthwhile Regressions, Big F's, and R¯2. Models Containing Functions of the Predictors, Including Polynomial Models. Transformation of the Response Variable. "Dummy" Variables. Selecting the "Best" Regression Equation. Ill-Conditioning in Regression Data. Ridge Regression. Generalized Linear Models (GLIM). Mixture Ingredients as Predictor Variables. The Geometry of Least Squares. More Geometry of Least Squares. Orthogonal Polynomials and Summary Data. Multiple Regression Applied to Analysis of Variance Problems. An Introduction to Nonlinear Estimation. Robust Regression. Resampling Procedures (Bootstrapping). Bibliography. True/False Questions. Answers to Exercises. Tables. Indexes.
Rezensionen
"I would wholeheartedly recommend this book to any statistician. The third edition has many advantages over the second." (Statistical Methods in Medical Research, Vol. 9, 5) "this is an excellently written book" (Statistics & Decisions, Vol. 19, No.3, 2001)
Es gelten unsere Allgemeinen Geschäftsbedingungen: www.buecher.de/agb
Impressum
www.buecher.de ist ein Shop der buecher.de GmbH & Co. KG Bürgermeister-Wegele-Str. 12, 86167 Augsburg Amtsgericht Augsburg HRA 13309
