Show simple item record

dc.contributor.authorKalisch, Markus
dc.contributor.authorMeier, Lukas
dc.date.accessioned2021-08-14T04:06:16Z
dc.date.available2021-08-14T04:06:16Z
dc.date.issued2021
dc.date.submitted2021-08-13T14:39:00Z
dc.identifierONIX_20210813_9783658342258_25
dc.identifierhttps://library.oapen.org/handle/20.500.12657/50435
dc.identifier.urihttps://directory.doabooks.org/handle/20.500.12854/71649
dc.description.abstractDieses 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.
dc.languageGerman
dc.relation.ispartofseriesessentials
dc.rightsopen access
dc.subject.otherLogistische Regression in R
dc.subject.otherLogit-Modell
dc.subject.otherRegressionsanalyse
dc.subject.otherZweistufiges Modell
dc.subject.otherBinäre Variablen
dc.subject.otherLog-Odds
dc.subject.otherWahrscheinlichkeit
dc.subject.otherMaximum-Likelihood
dc.subject.otherKlassifikation
dc.subject.otherthema EDItEUR::P Mathematics and Science::PB Mathematics::PBT Probability and statistics
dc.titleLogistische Regression
dc.title.alternativeEine anwendungsorientierte Einführung mit R
dc.typebook
oapen.identifier.doi10.1007/978-3-658-34225-8
oapen.relation.isPublishedBy9fa3421d-f917-4153-b9ab-fc337c396b5a
oapen.relation.isbn9783658342258
oapen.imprintSpringer Fachmedien Wiesbaden
oapen.pages60
dc.abstractotherlanguageDieses 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.


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

open access
Except where otherwise noted, this item's license is described as open access