000			02789nam a22003377i 4500
003			UVAL
005			20240507121653.0
007			tr
007			c||
008			181110s2018 xxu|||| o |||| 0|eng
020			_a9781441901170
040			_aDIBRA _bspa _cUVAL _erda
041	0		_aeng
082	0	4	_a519.5 _223
100	1		_aDunn, Peter K. _9234575, _eautor.
245	1	0	_aGeneralized linear models with examples in R / _cPeter K. Dunn, Gordon K. Smyth.
250			_aPrimera edición.
264		1	_aNew York, New York : _bSpringer, _c2018.
300			_axx, 562 páginas : _bilustraciones. .
347			_2rda _atext file _bPDF
490	0		_aSpringer texts in statistics, _x1431-875X
520			_aEste libro de texto presenta una introducción a la regresión lineal múltiple, proporcionando conjuntos de datos del mundo real y problemas de práctica. Se desarrolla un conocimiento práctico de la práctica estadística aplicada mediante el uso de estos conjuntos de datos y numerosos estudios de casos. Los autores incluyen un conjunto de problemas de práctica tanto al final de cada capítulo como al final del libro. Cada ejemplo en el texto tiene una referencia cruzada con el conjunto de datos relevante, de modo que los lectores puedan cargar los datos y seguir el análisis en sus propias sesiones de R. El equilibrio entre teoría y práctica es evidente en la lista de problemas, que varían en dificultad y propósito. Este libro está diseñado pensando en la enseñanza y el aprendizaje, con introducciones y resúmenes de capítulos, ejercicios, respuestas breves y ejemplos claros y sencillos. Centrándose en las conexiones entre los modelos lineales generalizados (GLM) y la regresión lineal, el libro también hace referencia a temas y herramientas avanzados que no se han incluido normalmente en las introducciones a los GLM hasta la fecha, como las distribuciones de la familia Tweedie con funciones de variación de potencia, aproximaciones de punto de silla, probabilidad pruebas de puntuación, verosimilitud del perfil modificado y residuos cuantiles aleatorios. Además, los autores presentan el nuevo paquete de código R, GLMsData, creado específicamente para este libro. Los modelos lineales generalizados con ejemplos en R equilibran la teoría con la práctica, lo que la hace ideal para estudiantes de nivel introductorio y de posgrado que tienen un conocimiento básico de álgebra matricial, cálculo y estadística.
588			_aDescription based on publisher-supplied MARC data.
650	1	4	_aESTADISTICA _9212.
650	1	4	_aMETODOS ESTADISTICOS _98298.
700	1		_aSmyth, Gordon K. _9234576.
942			_2ddc _cBK
999			_c279659 _d279659