找回密码
 To register

QQ登录

只需一步,快速开始

扫一扫,访问微社区

Titlebook: Regression; Modelle, Methoden un Ludwig Fahrmeir,Thomas Kneib,Stefan Lang Textbook 2009Latest edition Springer-Verlag Berlin Heidelberg 200

[复制链接]
查看: 29579|回复: 42
发表于 2025-3-21 17:16:56 | 显示全部楼层 |阅读模式
书目名称Regression
副标题Modelle, Methoden un
编辑Ludwig Fahrmeir,Thomas Kneib,Stefan Lang
视频video
概述Integrierte Darstellung von klassischen und modernen, semiparametrischen Regressionsmodellen.Ausführliche Anwendungsbeispiele und Fallstudien
丛书名称Statistik und ihre Anwendungen
图书封面Titlebook: Regression; Modelle, Methoden un Ludwig Fahrmeir,Thomas Kneib,Stefan Lang Textbook 2009Latest edition Springer-Verlag Berlin Heidelberg 200
描述.In dieser Einführung werden erstmals klassische Regressionsansätze und moderne nicht- und semiparametrische Methoden in einer integrierten, einheitlichen und anwendungsorientierten Form beschrieben. Die Darstellung wendet sich an Studierende der Statistik in Wahl- und Hauptfach sowie an empirisch-statistisch und interdisziplinär arbeitende Wissenschaftler und Praktiker, zum Beispiel in Wirtschafts- und Sozialwissenschaften, Bioinformatik, Biostatistik, Ökonometrie, Epidemiologie. Die praktische Anwendung der vorgestellten Konzepte und Methoden wird anhand ausführlich vorgestellter Fallstudien demonstriert, um dem Leser die Analyse eigener Fragestellungen zu ermöglichen..
出版日期Textbook 2009Latest edition
关键词Generalisierte Lineare Modelle; Regression; Statistik; Wahrscheinlichkeit; Wahrscheinlichkeitsrechnung; i
版次2
doihttps://doi.org/10.1007/978-3-642-01837-4
isbn_softcover978-3-642-01836-7
isbn_ebook978-3-642-01837-4Series ISSN 2627-5317 Series E-ISSN 2627-5333
issn_series 2627-5317
copyrightSpringer-Verlag Berlin Heidelberg 2009
The information of publication is updating

书目名称Regression影响因子(影响力)




书目名称Regression影响因子(影响力)学科排名




书目名称Regression网络公开度




书目名称Regression网络公开度学科排名




书目名称Regression被引频次




书目名称Regression被引频次学科排名




书目名称Regression年度引用




书目名称Regression年度引用学科排名




书目名称Regression读者反馈




书目名称Regression读者反馈学科排名




单选投票, 共有 1 人参与投票
 

0票 0.00%

Perfect with Aesthetics

 

0票 0.00%

Better Implies Difficulty

 

0票 0.00%

Good and Satisfactory

 

1票 100.00%

Adverse Performance

 

0票 0.00%

Disdainful Garbage

您所在的用户组没有投票权限
发表于 2025-3-21 23:18:14 | 显示全部楼层
发表于 2025-3-22 01:25:47 | 显示全部楼层
,Einführung,Sir Francis Galton (1822–1911) war ein äußerst vielseitiger Forscher, der in zahlreichen Disziplinen bahnbrechende Arbeiten verfasste. Unter Statistikern ist er vor allem für die Entwicklung des nach ihm benannten Galtonbretts zur Veranschaulichung der Binomialverteilung bekannt.
发表于 2025-3-22 07:43:55 | 显示全部楼层
Kategoriale Regressionsmodelle,In vielen Anwendungen ist die Zielvariable nicht binär wie in Abschnitt 4.1, sondern mehrkategorial. Die Zielvariable kann dabei . sein, d.h. die Kategorien 1; … ; . sind ungeordnet, oder sie kann . sein, so dass die Kategorien der Größe nach geordnet werden können.
发表于 2025-3-22 12:28:48 | 显示全部楼层
Ludwig Fahrmeir,Thomas Kneib,Stefan LangIntegrierte Darstellung von klassischen und modernen, semiparametrischen Regressionsmodellen.Ausführliche Anwendungsbeispiele und Fallstudien
发表于 2025-3-22 15:09:26 | 显示全部楼层
发表于 2025-3-22 18:08:25 | 显示全部楼层
发表于 2025-3-23 00:27:15 | 显示全部楼层
Lineare Regressionsmodelle,ernt. Lineare Modelle spielen zweifellos eine Hauptrolle in der Statistik. Neben der direkten Anwendung in Regressionsfragestellungen dienen lineare Modelle auch als Grundlage für eine Vielzahl komplexerer Regressionsverfahren, etwa die generalisierten linearen Modelle in Kapitel 4 oder die semiparametrische Regression in den Kapiteln 7 und 8.
发表于 2025-3-23 05:03:20 | 显示全部楼层
Nichtparametrische Regression,ass eine rein lineare Modellierung in vielen praktischen Anwendungen nicht ausreichend ist, haben wir bereits an zahlreichen Beispielen und Anwendungen gesehen. Grundlage waren hierfür einerseits inhaltliche Überlegungen, zum anderen aber auch die Unsicherheit über die genaue Form des Einflusses der Kovariablen.
发表于 2025-3-23 08:39:57 | 显示全部楼层
 关于派博传思  派博传思旗下网站  友情链接
派博传思介绍 公司地理位置 论文服务流程 影响因子官网 SITEMAP 大讲堂 北京大学 Oxford Uni. Harvard Uni.
发展历史沿革 期刊点评 投稿经验总结 SCIENCEGARD IMPACTFACTOR 派博系数 清华大学 Yale Uni. Stanford Uni.
|Archiver|手机版|小黑屋| 派博传思国际 ( 京公网安备110108008328) GMT+8, 2025-5-12 22:06
Copyright © 2001-2015 派博传思   京公网安备110108008328 版权所有 All rights reserved
快速回复 返回顶部 返回列表