Multiple Regression
24
Gemischte Lineare Modelle
Skriptum - Fortgeschrittene Statistik
Vorwort
Eine Einführung in die Programmiersprache R
1
Eine Übersicht über
R
2
Variablen und Datentypen in
R
3
Ablaufkontrolle
4
Funktionen in
R
5
Datenverarbeitung mit
tidyverse
6
Datenvisualisierung mit
ggplot2
7
Literate programming in
R
Statistik - Die Grundlagen
8
Eine kleine Welt der Unsicherheit
9
Statistische Signifikanz
10
Hypothesentests
11
Theoretische Verteilungen
12
Weitere Grundlagen der Statistik
Das einfache Regressionmodell
13
Einführung
14
Inferenz
15
Modellfit
16
Vorhersage
17
Maximum-Likelihood
Multiple Regression
18
Einführung
19
Interaktionseffekte
20
Integration von nominalen Variablen
21
Modellhierarchien
22
Polynome und Prädiktion
23
Logistische Regression
24
Gemischte Lineare Modelle
Experimentelles Design
25
Einführung
26
Messfehler und Reliabilität
27
Completely Randomized Design
28
Lineare Kontraste
29
Completely Randomized Factorial Design
30
ANCOVA
31
Block Designs
32
Split-Unit Designs
Appendices
A
Mathematische Grundlagen
Literatur
Multiple Regression
24
Gemischte Lineare Modelle
24
Gemischte Lineare Modelle
23
Logistische Regression
Experimentelles Design