Regression Modeling and Data Analysis with Applications in R

Hو کتاب و راهنمای مرجع برای دانشجویان و شاغلین تحلیل‌های رگرسیون آماری در R 

راهنمای تحلیل رگرسیون با برنامه‌ها در R، نسخه دوم راهنمای جامع و به‌روزی برای انجام رگرسیون‌های پیچیده در زبان برنامه‌نویسی آماری R است. بررسی کامل نویسندگان با تحلیل رگرسیون «کلاسیک» در ویرایش اول، در اینجا با بحث درباره موضوعات پیشرفته‌تر از جمله داده‌های بقای زمان تا رویداد و داده‌های طولی و خوشه‌ای تکمیل می‌شود.

این کتاب بیشتر به روش‌هایی توجه می‌کند که در چند دهه اخیر برجسته شده‌اند، زیرا مجموعه‌های داده‌ای بزرگ‌تر تکنیک‌ها و کاربردهای جدیدی را ممکن کرده‌اند. این موارد عبارتند از: 

• روش‌های منظم‌سازی 
• روش‌های هموارسازی </ span>
• روش‌های مبتنی بر درخت 

در نسخه جدید در کتابچه راهنما، مجموعه ابزار تحلیلگر داده کاوش و گسترش می‌یابد. مثال‌ها از طیف گسترده‌ای از برنامه‌های کاربردی واقعی و مجموعه داده‌ها استخراج شده‌اند. همه کد R و داده‌های استفاده‌شده از طریق یک وب‌سایت نگهداری‌شده توسط نویسنده در دسترس هستند.

برای دانشجویان مقطع کارشناسی و کارشناسی ارشد که دروس آمار و رگرسیون را می گذرانند، کتابچه راهنمای تحلیل رگرسیون  نیز مورد علاقه است. برای متخصصان داده و آماردانان با ارزش است.

Handbook and reference guide for students and practitioners of statistical regression-based analyses in R 

Handbook of Regression Analysis with Applications in R, Second Edition is a comprehensive and up-to-date guide to conducting complex regressions in the R statistical programming language. The authors’ thorough treatment of “classical” regression analysis in the first edition is complemented here by their discussion of more advanced topics including time-to-event survival data and longitudinal and clustered data.  

The book further pays particular attention to methods that have become prominent in the last few decades as increasingly large data sets have made new techniques and applications possible. These include: 

• Regularization methods 
• Smoothing methods 
• Tree-based methods 

In the new edition of the Handbook, the data analyst’s toolkit is explored and expanded. Examples are drawn from a wide variety of real-life applications and data sets. All the utilized R code and data are available via an author-maintained website. 

Of interest to undergraduate and graduate students taking courses in statistics and regression, the Handbook of Regression Analysis will also be invaluable to practicing data scientists and statisticians.