Regression: Theorie und Praxis. Mit Beispielen in R und Stan
A

Regression: Theorie und Praxis. Mit Beispielen in R und Stan

C
regression analysis statistics R Stan data analysis generalized linear models practical guide
Autor
Andrew Gelman, Jennifer Hill, Aki Vehtari
Verlag
DMK Press
Jahr
2022
Sprache
Russisch
193
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Deep Learning: Prinzipien und Konzepte

Deep Learning: Prinzipien und Konzepte

Christopher M. Bishop, Hugh Bishop

Bayesian Analysis mit Python. Einführung in statistische Modellierung und probabilistische Programmierung mit PyMC3 und ArviZ

Bayesian Analysis mit Python. Einführung in statistische Modellierung und probabilistische Programmierung mit PyMC3 und ArviZ

Oswaldo Martín

Statistische Analyse und Visualisierung von Daten mit R

Statistische Analyse und Visualisierung von Daten mit R

Mastitskiy S. E., Shitikov V. K.

Einführung in statistisches Lernen mit Beispielen in Python

Einführung in statistisches Lernen mit Beispielen in Python

Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor

R in Aktion. Datenanalyse und Visualisierung mit R und Tidyverse

R in Aktion. Datenanalyse und Visualisierung mit R und Tidyverse

Robert I. Kabakow

Statistik und Versuchsplanung für Einsteiger: Wie man Statistiken das Lügen abgewöhnt

Statistik und Versuchsplanung für Einsteiger: Wie man Statistiken das Lügen abgewöhnt

Michael H. Herzog, Gregory Francis, Aaron Clarke

Entscheidungsalgorithmen

Entscheidungsalgorithmen

Mikel Kohendörfer, Tim Wheeler, Kyle Ray

Neuronale Netze mit Python. Grundlagen von KI und maschinellem Lernen

Neuronale Netze mit Python. Grundlagen von KI und maschinellem Lernen

Kulikova I. V.

Mathematik für Data Science. Datenmanagement mit linearer Algebra, Wahrscheinlichkeitstheorie und Statistik

Mathematik für Data Science. Datenmanagement mit linearer Algebra, Wahrscheinlichkeitstheorie und Statistik

Thomas Neild

Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

Stephen L. Branton, J. Nathan Kutz