JMP pre zmiešané modely

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 5 hlasoch.

Pôvodný názov:

JMP for Mixed Models

Obsah knihy:

Objavte silu zmiešaných modelov s JMP a JMP Pro.

Zmiešané modely sú v súčasnosti hlavnou metódou na analýzu experimentálnych údajov. Prečo? Sú pravdepodobne najjednoduchším a najvýkonnejším spôsobom spracovania korelovaných pozorovaní v navrhnutých experimentoch. Zmiešané modely, ktoré siahajú ďaleko za štandardné lineárne modely, vám umožňujú robiť presné a precízne závery o vašich experimentoch a získať hlbšie pochopenie zdrojov signálu a šumu v skúmanom systéme. Dobre vytvorené fixné a náhodné efekty sa dobre zovšeobecňujú a pomáhajú vám prijímať najlepšie rozhodnutia založené na údajoch.

JMP pre zmiešané modely spája dve najsilnejšie tradície v softvéri SAS: zmiešané modely a JMP. Prelomová filozofia JMP spočívajúca v tesnej integrácii štatistiky s dynamickou grafikou je ideálnym prostredím, v ktorom sa môžete učiť a používať zmiešané modely, známe aj ako hierarchické lineárne alebo viacúrovňové modely. Ak ste vedec alebo inžinier, metódy opísané v tomto dokumente môžu revolučným spôsobom zmeniť spôsob, akým analyzujete experimentálne údaje bez potreby písania kódu.

Vnútri nájdete bohatú zbierku príkladov a postupný prístup k zvládnutiu zmiešaných modelov. Témy zahŕňajú:

⬤ Učenie sa, ako vhodne rozpoznať, nastaviť a interpretovať fixné a náhodné efekty.

⬤ Rozšírenie analýzy rozptylu (ANOVA) a lineárnej regresie na početné zmiešané modely.

⬤ Pochopenie fungovania stupňov voľnosti pomocou Skeleton ANOVA.

⬤ Analýza randomizovaných blokových, rozdelených, longitudinálnych a opakovaných meraní.

⬤ Zavedenie pokročilejších metód, ako sú priestorové kovariancie a zovšeobecnené lineárne zmiešané modely.

⬤ Simulovanie zmiešaných modelov na posúdenie sily a ďalších dôležitých charakteristík výberu.

⬤ Poskytnutie pevného rámca pre pochopenie štatistického modelovania vo všeobecnosti.

⬤ Zlepšenie pohľadu na moderné dilemy týkajúce sa bayesovských metód, p-hodnoty a kauzálnych záverov.