Statistical Modelling in R

Autorzy:

Wydawca: OUP Oxford

ISBN: 9780199219131

340,20 zł

323,19 zł Zniżka 17,01 zł Brutto

Najniższa cena w okresie 30 dni przed promocją: 323,19 zł

Ilość

Produkt niedostępny

Nakład wyczerpany (niedostępny u wydawcy)

Powiadom mnie o dostępności Wprowadź swój adres email, aby otrzymać powiadomienie o dostępności tej książki

Dostawa

Wybierz Paczkomat Inpost, Orlen Paczkę, DPD lub Pocztę Polską. Kliknij po więcej szczegółów

Płatność

Zapłać szybkim przelewem, kartą płatniczą lub za pobraniem. Kliknij po więcej szczegółów

Zwroty

Jeżeli jesteś konsumentem możesz zwrócić towar w ciągu 14 dni. Kliknij po więcej szczegółów

Opis

R is now the most widely used statistical package/language in university statistics departments and many research organisations. Its great advantages are that for many years it has been the leading-edge statistical package/language and that it can be freely downloaded from the R web site. Its cooperative development and open code also attracts many contributors meaning that the modelling and data analysis possibilities in R are much richer than in GLIM4, and so the R edition can besubstantially more comprehensive than the GLIM4 edition of Statistical Modelling.This text provides a comprehensive treatment of the theory of statistical modelling in R with an emphasis on applications to practical problems and an expanded discussion of statistical theory. A wide range of case studies is provided, using the normal, binomial, Poisson, multinomial, gamma, exponential and Weibull distributions, making this book ideal for graduates and research students in applied statistics and a wide range of quantitative disciplines.

Szczegóły produktu

Wydawca OUP Oxford

Indeks 86227

EAN13 9780199219131

ISBN 9780199219131

Opis

Rok wydania: 2009
Numer wydania: 1
Oprawa: miękka foliowana
Liczba stron: 592
Wymiary (mm): 156 x 233
Waga (g): 877

Preface; Introducing R; Statistical modelling and inference; Regression and analysis of variance; Binary response data; Multinomial and Poisson response data; Survival data; Finite mixture models; Random effects models; Variance component models; Bibliography; R function and constant index; Dataset index; Subject index;