Descripción
REGRESSION AVEC R
Resumen del libro
Este manual ofrece una guía completa y detallada sobre el análisis de regresión, uno de los problemas estadísticos más frecuentes, utilizando el software R. La obra, dirigida a estudiantes y profesionales, combina fundamentos teóricos con ejemplos prácticos y ejercicios resueltos. El lector encontrará desde los principios de la regresión lineal simple y múltiple hasta técnicas avanzadas como la regresión en alta dimensión, los modelos lineales generalizados y los métodos no paramétricos, todo ello con un enfoque pedagógico y orientado a la aplicación real.
¿De qué trata?
La obra se estructura en cinco partes que abordan de forma progresiva el análisis de regresión. Comienza con los fundamentos de la regresión por mínimos cuadrados, explicando hipótesis y criterios de selección. La segunda parte se centra en la inferencia y la verificación de hipótesis, así como en las técnicas de análisis de la varianza y covarianza. La tercera parte explora el caso de la gran dimensión, presentando métodos de reducción como la selección de variables, regresiones bajo restricciones (lasso, elastic net, ridge) y regresiones sobre componentes (PLS, PCR), junto con algoritmos de comparación basados en remuestreo. La cuarta parte está dedicada a los modelos lineales generalizados, con especial atención a las regresiones logística y de Poisson, incluyendo técnicas de regularización, comparación de métodos en clasificación supervisada, criterios de rendimiento como curvas ROC y lift, y estrategias para datos desequilibrados. Finalmente, la quinta parte introduce el enfoque no paramétrico mediante splines, estimadores kernel y k-vecinos más próximos. Cada capítulo incluye ejercicios resueltos y los comandos de R necesarios para implementar los ejemplos.
Temas principales
- Regresión lineal simple y múltiple por mínimos cuadrados
- Inferencia estadística y verificación de hipótesis en regresión
- Análisis de la varianza (ANOVA) y análisis de la covarianza (ANCOVA)
- Métodos de regresión en alta dimensión: selección de variables, regresión ridge, lasso y elastic net
- Regresión sobre componentes: PLS (Partial Least Squares) y PCR (Principal Component Regression)
- Modelos lineales generalizados: regresión logística y de Poisson
- Técnicas de regularización en modelos lineales generalizados
- Clasificación supervisada y criterios de rendimiento (curvas ROC, lift, Youden, macro F1)
- Manejo de datos desequilibrados en regresión binaria
- Regresión no paramétrica: splines, estimadores kernel y k-vecinos más próximos
- Validación de modelos mediante aprendizaje/validación y validación cruzada
¿Para quién está recomendado?
Este libro está especialmente indicado para estudiantes de estadística, matemáticas, ciencias de datos o ingeniería que deseen profundizar en el análisis de regresión con R. También resulta de gran utilidad para investigadores, analistas de datos y profesionales que necesiten aplicar modelos de regresión en su trabajo diario y busquen una referencia sólida, práctica y actualizada.
Qué aporta este libro
- Una cobertura exhaustiva de los métodos de regresión, desde los fundamentos hasta las técnicas más avanzadas.
- Ejemplos prácticos con código R integrado en el texto, facilitando la aplicación directa de los conceptos.
- Ejercicios resueltos al final de cada capítulo para afianzar el aprendizaje y la comprensión.
- Un enfoque pedagógico claro, basado en la experiencia docente de los autores con públicos diversos.
- Herramientas para la comparación y selección de modelos, incluyendo técnicas de remuestreo y criterios de rendimiento.
Ficha técnica
- Autor: Cornillon Pierr
- Editorial: EDP Sciences
- Idioma: Francés
- Colección: Frances
- Peso: 680.0 g
Valoración editorial
Esta obra se consolida como una referencia completa y rigurosa para el estudio de la regresión con R. Su estructura progresiva y su enfoque práctico, con ejemplos y ejercicios, facilitan la comprensión de conceptos complejos. La inclusión de técnicas modernas como la regresión regularizada y el tratamiento de datos desequilibrados la convierten en una herramienta valiosa tanto para la formación académica como para la aplicación profesional en el análisis de datos.