Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy Xcover
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Linear and Generalized Linear Mixed Models and Their Applications

Jiming Jiang, Thuan Nguyen (Broschiert, Englisch)

Optischer Zustand
Beschreibung
Now in its second edition, this book covers two major classes of mixed effects models—linear mixed models and generalized linear mixed models—and it presents an up-to-date account of theory and methods in analysis of these models as well as their applications in various fields. It offers a systematic approach to inference about non-Gaussian linear mixed models. Furthermore, it discusses the latest developments and methods in the field, incorporating relevant updates since publication of the first edition. These include advances in high-dimensional linear mixed models in genome-wide association studies (GWAS), advances in inference about generalized linear mixed models with crossed random effects, new methods in mixed model prediction, mixed model selection, and mixed model diagnostics. This book is suitable for students, researchers, and practitioners who are interested in using mixed models for statistical data analysis with public health applications. It is best for graduate courses in statistics, or for those who have taken a first course in mathematical statistics, are familiar with using computers for data analysis, and have a foundational background in calculus and linear algebra.
128,39 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 3-4 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 3-4 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
23.03.2022
Sprache
Englisch
EAN
9781071612842
Herausgeber
Springer US
Serien- oder Bandtitel
Springer Series in Statistics
Sonderedition
Nein
Autor
Jiming Jiang, Thuan Nguyen
Seitenanzahl
343
Auflage
2
Einbandart
Broschiert
Schlagwörter
Regression analysis, data analysis, generalized linear mixed models, linear mixed models, linear optimization, mathematical statistics, model selection, random effects, public health, mixed model prediction, restricted maximum likelihood, small area estimation, variance components
Thema-Inhalt
PBT - Wahrscheinlichkeitsrechnung und Statistik PBWL - Stochastik MBN - Public Health und Präventivmedizin PBKS - Numerische Mathematik PSAJ - Evolution
Höhe
235 mm
Breite
15.5 cm

Transparenz & Sicherheit

Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!