Puntuación:
El libro goza de gran prestigio por su enfoque claro e informativo de los modelos lineales mixtos generalizados (MLGM), que hace accesibles los conceptos complejos incluso a los recién llegados a la estadística. Los lectores aprecian su aplicación práctica y su orientación paso a paso sobre el diseño y el análisis de los estudios. Sin embargo, muchas reseñas señalan un número significativo de erratas y errores que dificultan la experiencia de aprendizaje y sugieren que puede resultar difícil navegar de forma independiente debido a su densidad. En general, se considera un recurso valioso, especialmente para instructores y estudiantes avanzados, a pesar de sus deficiencias.
Ventajas:⬤ Exposición clara y persuasiva de los MLGM, partiendo de la regresión lineal.
⬤ Gran atención al diseño y análisis de estudios apropiados.
⬤ Texto bien escrito, conciso y con un toque de humor.
⬤ Útil para comprender las estructuras de error y la modelización.
⬤ Ejemplos concretos y códigos SAS descargables.
⬤ Ideal para enseñar y aprender estadística.
⬤ Numerosas erratas y errores a lo largo del texto y ejemplos de código.
⬤ El material denso puede ser difícil de seguir sin orientación.
⬤ Falta de código R a pesar de su relevancia.
⬤ Algunos conceptos complejos no están bien ilustrados, lo que dificulta su comprensión.
(basado en 8 opiniones de lectores)
Generalized Linear Mixed Models: Modern Concepts, Methods and Applications
Generalized Linear Mixed Models: Modern Concepts, Methods and Applications presenta una introducción a la modelización lineal utilizando el modelo lineal mixto generalizado (MLGM) como marco conceptual general. Para los lectores que no conocen los modelos lineales, el libro les ayuda a ver el panorama general. Muestra cómo encajan los modelos lineales con el resto del currículo básico de estadística y señala las principales cuestiones que deben tener en cuenta los modelizadores estadísticos.
Además de describir las aplicaciones comunes de los MLGM, el texto presenta la teoría esencial y la metodología principal asociada a los modelos lineales que tienen en cuenta los efectos aleatorios del modelo y los datos no gaussianos. A diferencia de los libros de texto tradicionales sobre modelos lineales que se centran en datos distribuidos normalmente, éste adopta un enfoque de modelo mixto generalizado: los datos para el modelado lineal no necesitan estar distribuidos normalmente y los efectos pueden ser fijos o aleatorios.
Con numerosos ejemplos que utilizan PROC GLIMMIX de SAS(R), este libro es ideal para estudiantes graduados en estadística, profesionales de la estadística que buscan actualizar sus conocimientos e investigadores que se inician en el proceso de pensamiento del modelo lineal generalizado. Se centra en los procesos impulsados por los datos y proporciona el contexto para extender el pensamiento del modelo lineal tradicional al modelado lineal generalizado mixto.
Vea al profesor Stroup hablar del libro.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)