Modelos lineales con R

Opiniones de los lectores

El libro goza de gran prestigio por su enfoque práctico de la regresión lineal, que hace hincapié en la aplicación y la codificación con R. Es útil tanto para principiantes como para quienes deseen repasar sus conocimientos, ya que ofrece explicaciones claras y reflexiones detalladas. El autor proporciona código en línea fácilmente accesible, lo que mejora la experiencia del usuario. Aunque el libro toca muchos temas sin profundizar en la teoría, es apreciado por ser directo y práctico, particularmente en el contexto de aplicaciones del mundo real, como la investigación clínica.

⬤ Enfoque práctico del aprendizaje de la regresión lineal.
⬤ Énfasis en la aplicación y codificación con R.
⬤ Acceso a código R online para experimentación.
⬤ Explicaciones claras e ideas útiles.
⬤ Buen equilibrio entre teoría y aplicación.
⬤ Útil tanto para principiantes como para quienes repasan conceptos.

⬤ Carece de pruebas rigurosas, puede no satisfacer a aquellos que buscan una cobertura teórica en profundidad.
⬤ Algunos usuarios desean un índice de comandos de R para una referencia más fácil.

(basado en 10 opiniones de lectores)

Título original:

Linear Models with R

Contenido del libro:

Una forma práctica de aprender análisis de datos

Los modelos lineales, que forman parte del núcleo de la estadística, se utilizan para hacer predicciones y explicar la relación entre la respuesta y los predictores. La comprensión de los modelos lineales es crucial para una competencia más amplia en la práctica de la estadística. Modelos lineales con R, segunda edición explica cómo utilizar los modelos lineales en las ciencias físicas, la ingeniería, las ciencias sociales y las aplicaciones empresariales. El libro incorpora varias mejoras que reflejan cómo el mundo de R se ha expandido enormemente desde la publicación de la primera edición.

Novedades de la segunda edición

⬤ Material reorganizado sobre la interpretación de modelos lineales, que distingue las principales aplicaciones de predicción y explicación e introduce nociones elementales de causalidad.

⬤ Temas adicionales, incluyendo descomposición QR, splines, modelos aditivos, Lasso, imputación múltiple y tasas de falso descubrimiento.

⬤ Uso extensivo del paquete de gráficos ggplot2 además de gráficos base.

Al igual que su predecesora, ampliamente elogiada y superventas, esta edición combina estadística y R para ofrecer a la perfección una exposición coherente de la práctica de la modelización lineal. El texto ofrece una visión actualizada de los temas esenciales del análisis de datos, desde la estimación, la inferencia y la predicción hasta los datos que faltan, los modelos factoriales y los diseños de bloques. Numerosos ejemplos ilustran cómo aplicar los diferentes métodos utilizando R.