978-3-658-34225-8.pdf
Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung...
| Γλώσσα: | ger |
|---|---|
| Έκδοση: |
Springer Nature
2021
|
| Διαθέσιμο Online: | https://www.springer.com/9783658342258 |
| id |
oapen-20.500.12657-50435 |
|---|---|
| record_format |
dspace |
| spelling |
oapen-20.500.12657-504352021-08-14T02:39:16Z Logistische Regression Kalisch, Markus Meier, Lukas Logistische Regression in R Logit-Modell Regressionsanalyse Zweistufiges Modell Binäre Variablen Log-Odds Wahrscheinlichkeit Maximum-Likelihood Klassifikation bic Book Industry Communication::P Mathematics & science::PB Mathematics::PBT Probability & statistics Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. 2021-08-13T14:39:00Z 2021-08-13T14:39:00Z 2021 book ONIX_20210813_9783658342258_25 9783658342258 https://library.oapen.org/handle/20.500.12657/50435 ger essentials application/pdf n/a 978-3-658-34225-8.pdf https://www.springer.com/9783658342258 Springer Nature Springer Fachmedien Wiesbaden 10.1007/978-3-658-34225-8 Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. 10.1007/978-3-658-34225-8 6c6992af-b843-4f46-859c-f6e9998e40d5 9783658342258 Springer Fachmedien Wiesbaden 60 open access |
| institution |
OAPEN |
| collection |
DSpace |
| language |
ger |
| description |
Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. |
| title |
978-3-658-34225-8.pdf |
| spellingShingle |
978-3-658-34225-8.pdf |
| title_short |
978-3-658-34225-8.pdf |
| title_full |
978-3-658-34225-8.pdf |
| title_fullStr |
978-3-658-34225-8.pdf |
| title_full_unstemmed |
978-3-658-34225-8.pdf |
| title_sort |
978-3-658-34225-8.pdf |
| publisher |
Springer Nature |
| publishDate |
2021 |
| url |
https://www.springer.com/9783658342258 |
| _version_ |
1771297567150178304 |
