LEADER 02306nam  22005773u 450 
001 9910491852403321
005 20250628110037.0
010   $a3-658-34225-0
035   $a(CKB)5470000000830890
035   $aEBL6681092
035   $a(AU-PeEL)EBL6681092
035   $a(oapen)https://directory.doabooks.org/handle/20.500.12854/71649
035   $a(MiAaPQ)EBC6681092
035   $a(PPN)258062770
035   $a(ODN)ODN0010071674
035   $a(EXLCZ)995470000000830890
100   $a20220617d2021||||  u||         |
101 0 $ager
135   $aur|n|---|||||
181   $ctxt$2rdacontent
182   $cc$2rdamedia
183   $acr$2rdacarrier
200 10$aLogistische Regression $eEine Anwendungsorientierte Einführung Mit R
210   $aWiesbaden $cSpringer Fachmedien Wiesbaden GmbH$d2021
215   $a1 online resource (64 p.)
225 1 $aEssentials 
300   $aDescription based upon print version of record.
311 08$a3-658-34224-2 
330   $aDieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen.
410  0$aEssentials 
606   $aProbability & statistics$2bicssc
610   $aLogistische Regression in R
610   $aLogit-Modell
610   $aRegressionsanalyse
610   $aZweistufiges Modell
610   $aBinäre Variablen
610   $aLog-Odds
610   $aWahrscheinlichkeit
610   $aMaximum-Likelihood
610   $aKlassifikation
615  7$aProbability & statistics
686   $aMAT029000$2bisacsh
700   $aKalisch$b Markus$01238339
701   $aMeier$b Lukas$01238340
801  0$bAU-PeEL
801  1$bAU-PeEL
801  2$bAU-PeEL
906   $aBOOK
912   $a9910491852403321
996   $aLogistische Regression$92874050
997   $aUNINA