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
Эндрю Гельман, Дженнифер Хилл, Аки Вехтари
Verlag
ДМК Пресс
Jahr
2022
Sprache
Russisch
66
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Deep Learning: Prinzipien und Konzepte

Deep Learning: Prinzipien und Konzepte

Кристофер М. Бишоп, Хью Бишоп

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

Освальдо Мартин

Statistische Analyse und Visualisierung von Daten mit R

Statistische Analyse und Visualisierung von Daten mit R

Мастицкий С. Э., Шитиков В. К.

Einführung in statistisches Lernen mit Beispielen in Python

Einführung in statistisches Lernen mit Beispielen in Python

Гарет Джеймс, Даниела Уиттен, Тревор Хасти, Роберт Тибширани, Джонатан Тейлор

R in Aktion. Datenanalyse und Visualisierung mit R und Tidyverse

R in Aktion. Datenanalyse und Visualisierung mit R und Tidyverse

Роберт И. Кабаков

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

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

Майкл Х. Херцог, Грегори Фрэнсис, Аарон Кларк

Entscheidungsalgorithmen

Entscheidungsalgorithmen

Микель Кохендерфер, Тим Уилер, Кайл Рэй

Neuronale Netze mit Python. Grundlagen von KI und maschinellem Lernen

Neuronale Netze mit Python. Grundlagen von KI und maschinellem Lernen

Куликова И. В.

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

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

Томас Нилд

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

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

Стивен Л. Брантон, Дж. Натан Куц