Hodnotenie:
Kniha je vysoko cenená pre svoju čitateľnosť a účinnú rovnováhu medzi matematickou prísnosťou a zrozumiteľnosťou, vďaka čomu je prístupná aj čitateľom so základnými znalosťami štatistiky a lineárnej algebry. Je však kritizovaná za viaceré drobné preklepy, slabé vysvetlenia dôkazov a obmedzené pokrytie niektorých dôležitých tém.
Výhody:⬤ Skvelý kompromis medzi matematickou prísnosťou a zrozumiteľnosťou.
⬤ Jasný, dobre organizovaný obsah, ktorý je ľahko pochopiteľný.
⬤ Užitočné cvičenia s nápovedami a riešeniami na samoštúdium.
⬤ Záverečná kapitola obsahuje riešenia problémov položených v predchádzajúcich kapitolách, čo napomáha učeniu.
⬤ Vhodná pre absolventov vysokých škôl a môže sa použiť aj ako zdroj informácií pre samovzdelávanie.
⬤ Vyskytujú sa drobné preklepy a chyby vo vzorcoch.
⬤ Nedostatočne vysvetlené dôkazy, často presmerovanie na iné zdroje bez dostatočného usmernenia.
⬤ Obmedzené pokrytie dôležitých tém, ako sú zovšeobecnené lineárne modely a diagnostika.
⬤ Nie všetky vysvetlenia sú jasné, čo môže predstavovať problém pre vysokoškolských čitateľov so slabšími základmi v štatistike.
(na základe 9 čitateľských recenzií)
Linear Models 2E
Základný úvod do teórie a aplikácie lineárnych modelov - teraz v novom hodnotnom vydaní.
Keďže väčšina pokročilých štatistických nástrojov je zovšeobecnením lineárneho modelu, je potrebné najprv zvládnuť lineárny model, aby bolo možné prejsť k pokročilejším konceptom. Lineárny model zostáva hlavným nástrojom aplikovanej štatistiky a je základom vzdelávania každého štatistika bez ohľadu na to, či je jeho zameranie aplikované alebo teoretické. Toto kompletne prepracované a aktualizované nové vydanie úspešne rozvíja základnú teóriu lineárnych modelov pre regresiu, analýzu rozptylu, analýzu kovariancie a lineárne zmiešané modely. Venuje sa aj najnovším pokrokom v metodológii týkajúcej sa lineárnych zmiešaných modelov, zovšeobecnených lineárnych modelov a Bayesovho lineárneho modelu.
Lineárne modely v štatistike, druhé vydanie obsahuje úplné pokrytie pokročilých tém, ako sú zmiešané a zovšeobecnené lineárne modely, Bayesove lineárne modely, dvojcestné modely s prázdnymi políčkami, geometria najmenších štvorcov, vektorový maticový výpočet, simultánne závery a logistická a nelineárna regresia. Algebraické, geometrické, frekvenčné a bayesovské prístupy k inferencii lineárnych modelov a analýze rozptylu sú tiež znázornené. Vďaka rozšíreniu relevantného materiálu a zahrnutiu najnovšieho technologického vývoja v tejto oblasti poskytuje táto kniha čitateľom teoretický základ na správnu interpretáciu výstupov počítačového softvéru, ako aj na efektívne používanie, prispôsobenie a pochopenie lineárnych modelov.
Toto moderné druhé vydanie obsahuje:
⬤ Nové kapitoly o bayesovských lineárnych modeloch, ako aj o náhodných a zmiešaných lineárnych modeloch.
⬤ Rozšírená diskusia o dvojcestných modeloch s prázdnymi bunkami.
⬤ Dodatočné kapitoly o geometrii najmenších štvorcov.
⬤ Aktualizované pokrytie simultánneho odvodzovania.
Kniha je doplnená prehľadnými dôkazmi, reálnymi súbormi údajov a rozsiahlou bibliografiou. Na prechodné účely bol pridaný dôkladný prehľad základnej maticovej algebry a na konci knihy boli zaradené početné teoretické a aplikačné problémy s vybranými odpoveďami. Súvisiaca webová stránka obsahuje ďalšie súbory údajov a kód SAS(R) pre všetky numerické príklady.
Lineárny model v štatistike, druhé vydanie je povinnou knihou pre kurzy štatistiky, bioštatistiky a matematiky na vyššom stupni vysokoškolského štúdia a na úrovni absolventov. Je tiež neoceniteľným zdrojom informácií pre výskumníkov, ktorí potrebujú lepšie pochopiť regresiu a analýzu rozptylu.
