Fundamentos de los modelos lineales y lineales generalizados

Opiniones de los lectores

El libro ha sido recibido con críticas dispares, elogiadas por su rigurosa introducción a la modelización lineal y a los modelos lineales generalizados, así como por su equilibrio entre teoría y ejemplos prácticos de codificación. Sin embargo, algunos lectores lo encuentran casi ilegible debido a la notación no estándar y a la falta de definiciones formales.

Proporciona una introducción rigurosa a los modelos lineales y a los modelos lineales generalizados, buen equilibrio entre teoría y aplicabilidad, ejemplos completos de codificación en R, inclusión de ejercicios en el apéndice, bien escrito y accesible sin sacrificar el rigor matemático.

Algunos lectores encuentran el libro casi ilegible con notación no estándar y falta de estructura formal, puede ser difícil de entender y carece de explicaciones detalladas para algunos conceptos.

(basado en 5 opiniones de lectores)

Título original:

Foundations of Linear and Generalized Linear Models

Contenido del libro:

Una valiosa visión general de las ideas y resultados más importantes de la modelización estadística.

Escrito por un autor de gran experiencia, Foundations of Linear and Generalized Linear Models es una guía clara y completa de los conceptos y resultados clave de los modelos estadísticos lineales. El libro presenta una visión amplia y en profundidad de los modelos estadísticos más comúnmente utilizados mediante la discusión de la teoría subyacente a los modelos, aplicaciones de software R y ejemplos con modelos elaborados para dilucidar las ideas clave y promover la construcción práctica de modelos.

El libro comienza ilustrando los fundamentos de los modelos lineales, como la forma en que el ajuste del modelo proyecta los datos en un subespacio vectorial del modelo y cómo las descomposiciones ortogonales de los datos proporcionan información sobre los efectos de las variables explicativas. Posteriormente, el libro cubre los modelos lineales generalizados más populares, que incluyen la regresión logística binomial y multinomial para datos categóricos, y los modelos loglineales de Poisson y binomial negativa para datos de recuento. Centrándose en los fundamentos teóricos de estos modelos, Foundations of Linear and Generalized Linear Models también presenta:

⬤ Una introducción a los métodos de cuasi verosimilitud que requieren supuestos de distribución más débiles, como los métodos de ecuación de estimación generalizada.

⬤ Una visión general de los modelos lineales mixtos y modelos lineales mixtos generalizados con efectos aleatorios para datos correlacionados agrupados, modelado bayesiano y extensiones para manejar casos problemáticos como problemas de alta dimensión.

⬤ Numerosos ejemplos que utilizan el software R para todos los análisis de datos del texto.

⬤ Más de 400 ejercicios para que los lectores practiquen y amplíen la teoría, los métodos y el análisis de datos.

⬤ Un sitio web complementario con conjuntos de datos para los ejemplos y ejercicios.

Fundamentos de los modelos lineales y lineales generalizados es también una excelente referencia para los estadísticos y bioestadísticos en ejercicio, así como para cualquier persona interesada en conocer los modelos estadísticos más importantes para el análisis de datos.