An R Companion to Applied Regression

Author: John Fox
Publisher: SAGE Publications
ISBN: 9781544336466
Release Date: 2018-09-27
Genre: Social Science

An R Companion to Applied Regression is a broad introduction to the R statistical computing environment in the context of applied regression analysis. John Fox and Sanford Weisberg provide a step-by-step guide to using the free statistical software R, an emphasis on integrating statistical computing in R with the practice of data analysis, coverage of generalized linear models, and substantial web-based support materials. The Third Edition includes a new chapter on mixed-effects models, new and updated data sets, and a de-emphasis on statistical programming, while retaining a general introduction to basic R programming. The authors have substantially updated both the car and effects packages for R for this new edition, and include coverage of RStudio and R Markdown.

An R and S Plus Companion to Applied Regression

Author: John Fox
Publisher: SAGE
ISBN: 0761922806
Release Date: 2002-06-05
Genre: Mathematics

"This book fits right into a needed niche: rigorous enough to give full explanation of the power of the S language, yet accessible enough to assign to social science graduate students without fear of intimidation. It is a tremendous balance of applied statistical "firepower" and thoughtful explanation. It meets all of the important mechanical needs: each example is given in detail, code and data are freely available, and the nuances of models are given rather than just the bare essentials. It also meets some important theoretical needs: linear models, categorical data analysis, an introduction to applying GLMs, a discussion of model diagnostics, and useful instructions on writing customized functions. " —JEFF GILL, University of Florida, Gainesville

R f r Dummies

Author: Andrie de Vries
Publisher: John Wiley & Sons
ISBN: 9783527812523
Release Date: 2017-11-07
Genre: Computers

Wollen Sie auch die umfangreichen Möglichkeiten von R nutzen, um Ihre Daten zu analysieren, sind sich aber nicht sicher, ob Sie mit der Programmiersprache wirklich zurechtkommen? Keine Sorge - dieses Buch zeigt Ihnen, wie es geht - selbst wenn Sie keine Vorkenntnisse in der Programmierung oder Statistik haben. Andrie de Vries und Joris Meys zeigen Ihnen Schritt für Schritt und anhand zahlreicher Beispiele, was Sie alles mit R machen können und vor allem wie Sie es machen können. Von den Grundlagen und den ersten Skripten bis hin zu komplexen statistischen Analysen und der Erstellung aussagekräftiger Grafiken. Auch fortgeschrittenere Nutzer finden in diesem Buch viele Tipps und Tricks, die Ihnen die Datenauswertung erleichtern.

Programmieren mit R

Author: Uwe Ligges
Publisher: Springer-Verlag
ISBN: 9783540267324
Release Date: 2006-03-30
Genre: Mathematics

R ist eine objekt-orientierte und interpretierte Sprache und Programmierumgebung für Datenanalyse und Grafik - frei erhältlich unter der GPL. Ziel dieses Buches ist es, nicht nur ausführlich in die Grundlagen der Sprache R einzuführen, sondern auch ein Verständnis der Struktur der Sprache zu vermitteln. Leicht können so eigene Methoden umgesetzt, Objektklassen definiert und ganze Pakete aus Funktionen und zugehöriger Dokumentation zusammengestellt werden. Die enormen Grafikfähigkeiten von R werden detailliert beschrieben. Das Buch richtet sich an alle, die R als flexibles Werkzeug zur Datenenalyse und -visualisierung einsetzen möchten: Studierende, die Daten in Projekten oder für ihre Diplomarbeit analysieren möchten, Forschende, die neue Methoden ausprobieren möchten, und diejenigen, die in der Wirtschaft täglich Daten aufbereiten, analysieren und anderen in komprimierter Form präsentieren.

R in a Nutshell

Author: Joseph Adler
Publisher: O'Reilly Germany
ISBN: 9783897216501
Release Date: 2010-12-31
Genre: Computers

Wozu sollte man R lernen? Da gibt es viele Gründe: Weil man damit natürlich ganz andere Möglichkeiten hat als mit einer Tabellenkalkulation wie Excel, aber auch mehr Spielraum als mit gängiger Statistiksoftware wie SPSS und SAS. Anders als bei diesen Programmen hat man nämlich direkten Zugriff auf dieselbe, vollwertige Programmiersprache, mit der die fertigen Analyse- und Visualisierungsmethoden realisiert sind – so lassen sich nahtlos eigene Algorithmen integrieren und komplexe Arbeitsabläufe realisieren. Und nicht zuletzt, weil R offen gegenüber beliebigen Datenquellen ist, von der einfachen Textdatei über binäre Fremdformate bis hin zu den ganz großen relationalen Datenbanken. Zudem ist R Open Source und erobert momentan von der universitären Welt aus die professionelle Statistik. R kann viel. Und Sie können viel mit R machen – wenn Sie wissen, wie es geht. Willkommen in der R-Welt: Installieren Sie R und stöbern Sie in Ihrem gut bestückten Werkzeugkasten: Sie haben eine Konsole und eine grafische Benutzeroberfläche, unzählige vordefinierte Analyse- und Visualisierungsoperationen – und Pakete, Pakete, Pakete. Für quasi jeden statistischen Anwendungsbereich können Sie sich aus dem reichen Schatz der R-Community bedienen. Sprechen Sie R! Sie müssen Syntax und Grammatik von R nicht lernen – wie im Auslandsurlaub kommen Sie auch hier gut mit ein paar aufgeschnappten Brocken aus. Aber es lohnt sich: Wenn Sie wissen, was es mit R-Objekten auf sich hat, wie Sie eigene Funktionen schreiben und Ihre eigenen Pakete schnüren, sind Sie bei der Analyse Ihrer Daten noch flexibler und effektiver. Datenanalyse und Statistik in der Praxis: Anhand unzähliger Beispiele aus Medizin, Wirtschaft, Sport und Bioinformatik lernen Sie, wie Sie Daten aufbereiten, mithilfe der Grafikfunktionen des lattice-Pakets darstellen, statistische Tests durchführen und Modelle anpassen. Danach werden Ihnen Ihre Daten nichts mehr verheimlichen.

Elementare Wahrscheinlichkeitstheorie und stochastische Prozesse

Author: Kai L. Chung
Publisher: Springer-Verlag
ISBN: 9783642670336
Release Date: 2013-03-07
Genre: Mathematics

Aus den Besprechungen: "Unter den zahlreichen Einführungen in die Wahrscheinlichkeitsrechnung bildet dieses Buch eine erfreuliche Ausnahme. Der Stil einer lebendigen Vorlesung ist über Niederschrift und Übersetzung hinweg erhalten geblieben. In jedes Kapitel wird sehr anschaulich eingeführt. Sinn und Nützlichkeit der mathematischen Formulierungen werden den Lesern nahegebracht. Die wichtigsten Zusammenhänge sind als mathematische Sätze klar formuliert." #FREQUENZ#1

Einf hrung in die Komplexe Analysis

Author: Wolfgang Fischer
Publisher: Springer-Verlag
ISBN: 9783834893772
Release Date: 2011-02-21
Genre: Mathematics

In den Bachelor-Studiengängen der Mathematik steht für die Komplexe Analysis (Funktionentheorie) oft nur eine einsemestrige 2-stündige Vorlesung zur Verfügung. Dieses Buch eignet sich als Grundlage für eine solche Vorlesung im 2. Studienjahr. Mit einer guten thematischen Auswahl, vielen Beispielen und ausführlichen Erläuterungen gibt dieses Buch eine Darstellung der Komplexen Analysis, die genau die Grundlagen und den wesentlichen Kernbestand dieses Gebietes enthält. Das Buch bietet über diese Grundausbildung hinaus weiteres Lehrmaterial als Ergänzung, sodass es auch für eine 3- oder 4 –stündige Vorlesung geeignet ist. Je nach Hörerkreis kann der Stoff unterschiedlich erweitert werden. So wurden für den „Bachelor Lehramt“ die geometrischen Aspekte der Komplexen Analysis besonders herausgearbeitet.

Applied Regression Analysis Linear Models and Related Methods

Author: John Fox
Publisher: SAGE
ISBN: 080394540X
Release Date: 1997
Genre: Social Science

An accessible, detailed, and up-to-date treatment of regression analysis, linear models, and closely related methods is provided in this book. Incorporating nearly 200 graphs and numerous examples and exercises that employ real data from the social sciences, the book begins with a consideration of the role of statistical data analysis in social research. It then moves on to cover the following topics: graphical methods for examining and transforming data; linear least-squares regression; dummy-variables regression; analysis of variance; diagnostic methods for discovering whether a linear model fit to data adequately represents the data; extensions to linear least squares, including logit and probit models, time-series regression, nonlinear

Applied Regression Analysis and Generalized Linear Models

Author: John Fox
Publisher: SAGE Publications
ISBN: 9781483352527
Release Date: 2008-04-16
Genre: Social Science

Combining a modern, data-analytic perspective with a focus on applications in the social sciences, the Second Edition of Applied Regression Analysis and Generalized Linear Models provides in-depth coverage of regression analysis, generalized linear models, and closely related methods. Although the text is largely accessible to readers with a modest background in statistics and mathematics, author John Fox also presents more advanced material throughout the book. Key Updates to the Second Edition: Provides greatly enhanced coverage of generalized linear models, with an emphasis on models for categorical and count data Offers new chapters on missing data in regression models and on methods of model selection Includes expanded treatment of robust regression, time-series regression, nonlinear regression, and nonparametric regression Incorporates new examples using larger data sets Includes an extensive Web site at http://www.sagepub.com/fox that presents appendixes, data sets used in the book and for data-analytic exercises, and the data-analytic exercises themselves Intended Audience: This core text will be a valuable resource for graduate students and researchers in the social sciences (particularly sociology, political science, and psychology) and other disciplines that employ linear and related models for data analysis.

Grundlagen der Datenanalyse mit R

Author: Daniel Wollschläger
Publisher: Springer-Verlag
ISBN: 9783642258008
Release Date: 2012-04-02
Genre: Social Science

Das Buch liefert eine Einführung in die Datenauswertung mit der frei erhältlichen Statistiksoftware R. Die wichtigsten statistischen Verfahren in den Human- und Sozialwissenschaften werden ausführlich an Beispielen erläutert und mit Diagrammen illustriert. Neben den klassischen univariaten Verfahren werden auch zahlreiche nonparametrische und multivariate Methoden beschrieben. Für die 2. Auflage wurden die Neuerungen der Version R 2.14 eingearbeitet und die Abschnitte zu Regression, Resampling-Verfahren und multivariaten Tests erweitert.

Modeling Techniques in Predictive Analytics with Python and R

Author: Thomas W. Miller
Publisher: FT Press
ISBN: 9780133892147
Release Date: 2014-09-29
Genre: Computers

Master predictive analytics, from start to finish Start with strategy and management Master methods and build models Transform your models into highly-effective code—in both Python and R This one-of-a-kind book will help you use predictive analytics, Python, and R to solve real business problems and drive real competitive advantage. You’ll master predictive analytics through realistic case studies, intuitive data visualizations, and up-to-date code for both Python and R—not complex math. Step by step, you’ll walk through defining problems, identifying data, crafting and optimizing models, writing effective Python and R code, interpreting results, and more. Each chapter focuses on one of today’s key applications for predictive analytics, delivering skills and knowledge to put models to work—and maximize their value. Thomas W. Miller, leader of Northwestern University’s pioneering program in predictive analytics, addresses everything you need to succeed: strategy and management, methods and models, and technology and code. If you’re new to predictive analytics, you’ll gain a strong foundation for achieving accurate, actionable results. If you’re already working in the field, you’ll master powerful new skills. If you’re familiar with either Python or R, you’ll discover how these languages complement each other, enabling you to do even more. All data sets, extensive Python and R code, and additional examples available for download at http://www.ftpress.com/miller/ Python and R offer immense power in predictive analytics, data science, and big data. This book will help you leverage that power to solve real business problems, and drive real competitive advantage. Thomas W. Miller’s unique balanced approach combines business context and quantitative tools, illuminating each technique with carefully explained code for the latest versions of Python and R. If you’re new to predictive analytics, Miller gives you a strong foundation for achieving accurate, actionable results. If you’re already a modeler, programmer, or manager, you’ll learn crucial skills you don’t already have. Using Python and R, Miller addresses multiple business challenges, including segmentation, brand positioning, product choice modeling, pricing research, finance, sports, text analytics, sentiment analysis, and social network analysis. He illuminates the use of cross-sectional data, time series, spatial, and spatio-temporal data. You’ll learn why each problem matters, what data are relevant, and how to explore the data you’ve identified. Miller guides you through conceptually modeling each data set with words and figures; and then modeling it again with realistic code that delivers actionable insights. You’ll walk through model construction, explanatory variable subset selection, and validation, mastering best practices for improving out-of-sample predictive performance. Miller employs data visualization and statistical graphics to help you explore data, present models, and evaluate performance. Appendices include five complete case studies, and a detailed primer on modern data science methods. Use Python and R to gain powerful, actionable, profitable insights about: Advertising and promotion Consumer preference and choice Market baskets and related purchases Economic forecasting Operations management Unstructured text and language Customer sentiment Brand and price Sports team performance And much more

Modeling Techniques in Predictive Analytics

Author: Thomas W. Miller
Publisher: FT Press
ISBN: 9780133886191
Release Date: 2014-09-29
Genre: Computers

To succeed with predictive analytics, you must understand it on three levels: Strategy and management Methods and models Technology and code This up-to-the-minute reference thoroughly covers all three categories. Now fully updated, this uniquely accessible book will help you use predictive analytics to solve real business problems and drive real competitive advantage. If you’re new to the discipline, it will give you the strong foundation you need to get accurate, actionable results. If you’re already a modeler, programmer, or manager, it will teach you crucial skills you don’t yet have. Unlike competitive books, this guide illuminates the discipline through realistic vignettes and intuitive data visualizations–not complex math. Thomas W. Miller, leader of Northwestern University’s pioneering program in predictive analytics, guides you through defining problems, identifying data, crafting and optimizing models, writing effective R code, interpreting results, and more. Every chapter focuses on one of today’s key applications for predictive analytics, delivering skills and knowledge to put models to work–and maximize their value. Reflecting extensive student and instructor feedback, this edition adds five classroom-tested case studies, updates all code for new versions of R, explains code behavior more clearly and completely, and covers modern data science methods even more effectively. All data sets, extensive R code, and additional examples available for download at http://www.ftpress.com/miller If you want to make the most of predictive analytics, data science, and big data, this is the book for you. Thomas W. Miller’s unique balanced approach combines business context and quantitative tools, appealing to managers, analysts, programmers, and students alike. Miller addresses multiple business cases and challenges, including segmentation, brand positioning, product choice modeling, pricing research, finance, sports, text analytics, sentiment analysis, and social network analysis. He illuminates the use of cross-sectional data, time series, spatial, and spatio-temporal data. You’ll learn why each problem matters, what data are relevant, and how to explore the data you’ve identified. Miller guides you through conceptually modeling each data set with words and figures; and then modeling it again with realistic R programs that deliver actionable insights. You’ll walk through model construction, explanatory variable subset selection, and validation, mastering best practices for improving out-of-sample predictive performance. Throughout, Miller employs data visualization and statistical graphics to help you explore data, present models, and evaluate performance. This edition adds five new case studies, updates all code for the newest versions of R, adds more commenting to clarify how the code works, and offers a more detailed and up-to-date primer on data science methods. Gain powerful, actionable, profitable insights about: Advertising and promotion Consumer preference and choice Market baskets and related purchases Economic forecasting Operations management Unstructured text and language Customer sentiment Brand and price Sports team performance And much more

Biophysik

Author: Rodney Cotterill
Publisher: John Wiley & Sons
ISBN: 3527406867
Release Date: 2008
Genre: Biophysics

Was eignet sich besser zum Einstieg in ein neues Fachgebiet als ein in der Muttersprache verfasster Text? So manch angehender Biophysiker hätte sich den englischen 'Biophysics' von Cotterill schon lange als deutsche Übersetzung gewünscht. Hier ist sie: sorgfältig strukturiert und ausgewogen wie das englische Original, mit dem Vorzug der schnelleren Erfaßbarkeit. Vom Molekül bis zum Bewusstsein deckt der "Cotterill" alle Ebenen ab. Er setzt nur wenig Grundwissen voraus und ist damit für die Einführungsvorlesung nach dem Vordiplom ideal. Zusätzliche Anhänge mit mathematischen und physikalischen Grundlagen machen das Lehrbuch auch für Chemiker und Biologen attraktiv.

Web and Network Data Science

Author: Thomas W. Miller
Publisher: FT Press
ISBN: 9780133887648
Release Date: 2014-12-19
Genre: Computers

Master modern web and network data modeling: both theory and applications. In Web and Network Data Science, a top faculty member of Northwestern University’s prestigious analytics program presents the first fully-integrated treatment of both the business and academic elements of web and network modeling for predictive analytics. Some books in this field focus either entirely on business issues (e.g., Google Analytics and SEO); others are strictly academic (covering topics such as sociology, complexity theory, ecology, applied physics, and economics). This text gives today's managers and students what they really need: integrated coverage of concepts, principles, and theory in the context of real-world applications. Building on his pioneering Web Analytics course at Northwestern University, Thomas W. Miller covers usability testing, Web site performance, usage analysis, social media platforms, search engine optimization (SEO), and many other topics. He balances this practical coverage with accessible and up-to-date introductions to both social network analysis and network science, demonstrating how these disciplines can be used to solve real business problems.

Die Analyse kategorialer Daten

Author: Gerhard Tutz
Publisher: De Gruyter Oldenbourg
ISBN: 3486254057
Release Date: 2000
Genre: Multivariate analysis

Das Werk gibt eine Einführung in die Kategoriale Regression, die auch für Anwender sehr gut geeignet ist. Neben wirtschaftswissenschaftlichen Beispielen, die zahlenmäßig dominieren, finden sich Beispiele aus Biometrie, der medizinischen Statistik, Psychologie und Demographie. Aus dem Inhalt: Einführung. Logistische Regression und Logit-Modell für binäre abhängige Größen. Schätzung, Modellanpassung und Einflußgrößen. Multinominale Modelle für ungeordnete Kategorien. Regression mit ordinaler abhängiger Variable. Zähldaten und die Analyse von Kontingenztafeln: das loglineare Modell. Nonparametrische Regression I: Glättungsverfahren. Nonparametrische Regression II: Klassifikations- und Regressionsbäume. Kategoriale Prognose und Diskriminanzanalyse. Elemente der Schätz- und Testtheorie. Anhang.