دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Hilbe. Joseph M
سری:
ISBN (شابک) : 9781498709583, 1498709583
ناشر: CRC Press
سال نشر: 2016
تعداد صفحات: 173
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب راهنمای عملی به رگرسیون لجستیک: تحلیل رگرسیون لجستیک.,تحلیل رگرسیون.,تحلیل چند متغیره.,آمار.,مدلهای لجستیک.,تحلیل چند متغیره.
در صورت تبدیل فایل کتاب Practical guide to logistic regression به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب راهنمای عملی به رگرسیون لجستیک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
راهنمای عملی رگرسیون لجستیک نکات کلیدی مدل رگرسیون لجستیک پایه را پوشش میدهد و نحوه استفاده صحیح از آن برای مدلسازی یک متغیر پاسخ باینری را نشان میدهد. این روش قدرتمند می تواند برای تجزیه و تحلیل داده ها از زمینه های مختلف، از جمله تحقیقات نتایج پزشکی و سلامت، تجزیه و تحلیل کسب و کار و علوم داده، بوم شناسی، شیلات، نجوم، حمل و نقل، بیمه، اقتصاد، تفریح و ورزش استفاده شود. با استفاده از قابلیتهای مدل لجستیک، تحلیلگران میتوانند دادههای خود را بهتر درک کنند، پیشبینیها و طبقهبندیهای مناسب انجام دهند و شانس یک مقدار یک پیشبینیکننده را در مقایسه با مقدار دیگر تعیین کنند. پروفسور هیلب با تکیه بر چندین سال تدریس رگرسیون لجستیک، استفاده از مدل های مبتنی بر لجستیک در تحقیق و نوشتن در مورد موضوع، بر مهمترین ویژگی های مدل لجستیک تمرکز می کند. این کتاب که به عنوان راهنما بین نویسنده و خوانندگان خدمت می کند، چگونگی ساخت یک مدل لجستیک، تفسیر ضرایب و نسبت شانس، پیش بینی احتمالات و خطاهای استاندارد آنها را بر اساس مدل، و ارزیابی مدل از نظر مناسب بودن توضیح می دهد. نویسنده با استفاده از انواع نمونههای داده واقعی، عمدتاً از نتایج سلامت، یک راهنمای گام به گام اساسی برای توسعه و تفسیر مشاهدات و مدلهای لجستیک گروهبندی شده و همچنین رگرسیون لجستیک جریمهشده و دقیق ارائه میدهد. او همچنین یک راهنمای گام به گام برای مدل سازی رگرسیون لجستیک بیزی ارائه می دهد. نرم افزار آماری R در سراسر کتاب برای نمایش مدل های آماری استفاده می شود در حالی که کدهای SAS و Stata برای همه نمونه ها در پایان هر فصل گنجانده شده است. کد مثال را می توان با تحلیل های خود خوانندگان تطبیق داد. تمام کدها در وب سایت نویسنده موجود است.
Practical Guide to Logistic Regression covers the key points of the basic logistic regression model and illustrates how to use it properly to model a binary response variable. This powerful methodology can be used to analyze data from various fields, including medical and health outcomes research, business analytics and data science, ecology, fisheries, astronomy, transportation, insurance, economics, recreation, and sports. By harnessing the capabilities of the logistic model, analysts can better understand their data, make appropriate predictions and classifications, and determine the odds of one value of a predictor compared to another. Drawing on his many years of teaching logistic regression, using logistic-based models in research, and writing about the subject, Professor Hilbe focuses on the most important features of the logistic model. Serving as a guide between the author and readers, the book explains how to construct a logistic model, interpret coefficients and odds ratios, predict probabilities and their standard errors based on the model, and evaluate the model as to its fit. Using a variety of real data examples, mostly from health outcomes, the author offers a basic step-by-step guide to developing and interpreting observation and grouped logistic models as well as penalized and exact logistic regression. He also gives a step-by-step guide to modeling Bayesian logistic regression. R statistical software is used throughout the book to display the statistical models while SAS and Stata codes for all examples are included at the end of each chapter. The example code can be adapted to readers’ own analyses. All the code is available on the author’s website.
Content: Statistical models --
Logistic models: single predictor --
Logistic models: multiple predictors --
Testing and fitting a logistic model --
Grouped logistic regression --
Bayesian logistic regression.