Logistische Regression - Eine anwendungsorientierte Einführung mit R

Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen.

List of contents

Einleitung.- Aspekte desWahrscheinlichkeitsbegriffs.- Das logistische Regressionsmodell.- Logistische Regression in R.- Klassifikation.- Ausblick

About the author

Dr. Markus Kalisch und Dr. Lukas Meier lehren und forschen am Seminar für Statistik an der ETH Zürich. Zusammen leiten sie den statistischen Beratungsdienst, eine hochschulweite Anlaufstelle für alle statistischen Fragestellungen.

Summary

Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen.

Product details

• Authors: Marku Kalisch, Markus Kalisch, Lukas Meier
• Publisher: Springer, Berlin
• Languages: German
• Product format: Paperback / Softback
• Released: 21.08.2021
• EAN: 9783658342241
• ISBN: 978-3-658-34224-1
• No. of pages: 60
• Dimensions: 150 mm x 6 mm x 214 mm
• Illustrations: XII, 60 S. 13 Abb.
• Series: Essentials
• Subjects: Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics; Klassifikation, Wahrscheinlichkeit, C, Statistics, Mathematics and Statistics, Statistical Theory and Methods, Linear Models and Regression, Zweistufiges Modell, Binäre Variablen, Maximum-Likelihood, Log-Odds