Régression : théorie et pratique. Avec des exemples en R et Stan
A

Régression : théorie et pratique. Avec des exemples en R et Stan

C
regression analysis statistics R Stan data analysis generalized linear models practical guide
Auteur
Andrew Gelman, Jennifer Hill, Aki Vehtari
Éditeur
DMK Press
Année
2022
Langue
Russe
196
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage profond : principes et concepts

Apprentissage profond : principes et concepts

Christopher M. Bishop, Hugh Bishop

Analyse bayésienne avec Python. Introduction à la modélisation statistique et à la programmation probabiliste avec PyMC3 et ArviZ

Analyse bayésienne avec Python. Introduction à la modélisation statistique et à la programmation probabiliste avec PyMC3 et ArviZ

Oswaldo Martin

Analyse statistique et visualisation des données avec R

Analyse statistique et visualisation des données avec R

Mastitskiy S. E., Shitikov V. K.

Introduction à l'apprentissage statistique avec des exemples en Python

Introduction à l'apprentissage statistique avec des exemples en Python

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

R en action. Analyse et visualisation de données avec R et Tidyverse

R en action. Analyse et visualisation de données avec R et Tidyverse

Robert I. Kabakov

Statistiques et planification d'expérience pour les non-initiés : Comment empêcher les statistiques de mentir

Statistiques et planification d'expérience pour les non-initiés : Comment empêcher les statistiques de mentir

Michael H. Herzog, Gregory Francis, Aaron Clarke

Algorithmes de prise de décision

Algorithmes de prise de décision

Miquel Cohen-Derfer, Tim Wheeler, Kyle Ray

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Koulikova I. V.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Thomas Nield

Analyse de données en science et ingénierie. Apprentissage automatique, systèmes dynamiques et contrôle

Analyse de données en science et ingénierie. Apprentissage automatique, systèmes dynamiques et contrôle

Steven L. Brunton, J. Nathan Kutz