زیست شناسی

تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد

Survival Analysis Using S: Analysis of Time-to-Event Data

دانلود کتاب Survival Analysis Using S: Analysis of Time-to-Event Data (به فارسی: تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد) نوشته شده توسط «Mara Tableman – Jong Sung Kim»

اطلاعات کتاب تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد

موضوع اصلی: زیست شناسی و سایر علوم طبیعی

نوع: کتاب الکترونیکی

ناشر: Chapman and Hall/CRC

نویسنده: Mara Tableman – Jong Sung Kim

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2003

تعداد صفحه: 280 / 277

حجم فایل: 1.88 مگابایت

کد کتاب: 0203501411 , 9781584884088

نوبت چاپ: 1

توضیحات کتاب تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد

تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد به عنوان متنی برای یک دوره یک ترم یا یک چهارم در تجزیه و تحلیل بقا برای دانشجویان سطح بالا یا فارغ التحصیل در آمار، آمار زیستی و اپیدمیولوژی طراحی شده است. پیش نیازها عبارتند از یک درس اول استاندارد پیش حساب در احتمال و آمار و یک دوره در مدل های رگرسیون خطی کاربردی. هیچ دانش قبلی از S یا R فرض نمی شود. انتخاب گسترده ای از تمرین ها گنجانده شده است، برخی از آنها برای دانش آموزان پیشرفته تر با اولین دوره در آمار ریاضی در نظر گرفته شده است. نویسندگان بر مدل‌های لگ خطی پارامتریک تأکید می‌کنند، در حالی که رویه‌های ناپارامتری را همراه با ساخت مدل و تشخیص داده‌ها نیز به تفصیل بیان می‌کنند. محققان پزشکی و بهداشت عمومی بحث تجزیه و تحلیل نقطه برش با اعتبار سنجی راه انداز، ریسک های رقابتی و تخمینگر بروز تجمعی، و تجزیه و تحلیل داده های کوتاه شده و راست سانسور شده را ارزشمند خواهند یافت. روش بوت استرپ استحکام تجزیه و تحلیل نقطه برش را بررسی می کند و نقطه(های) برش را تعیین می کند. در فصلی که توسط استفان پورتنوی نوشته شده است، چندک های رگرسیون سانسور شده – یک روش رگرسیون ناپارامتریک جدید (2003) – برای شناسایی اشکال مهم ناهمگونی جمعیت و تشخیص انحراف از مدل های سنتی کاکس توسعه داده شده است. با تعمیم برآوردگر کاپلان مایر به مدل‌های رگرسیون برای چندک‌های شرطی، این روش مکمل ارزشمندی برای رویکردهای سنتی خطرات متناسب کاکس فراهم می‌کند.

Survival Analysis Using S: Analysis of Time-to-Event Data is designed as a text for a one-semester or one-quarter course in survival analysis for upper-level or graduate students in statistics, biostatistics, and epidemiology. Prerequisites are a standard pre-calculus first course in probability and statistics, and a course in applied linear regression models. No prior knowledge of S or R is assumed. A wide choice of exercises is included, some intended for more advanced students with a first course in mathematical statistics. The authors emphasize parametric log-linear models, while also detailing nonparametric procedures along with model building and data diagnostics. Medical and public health researchers will find the discussion of cut point analysis with bootstrap validation, competing risks and the cumulative incidence estimator, and the analysis of left-truncated and right-censored data invaluable. The bootstrap procedure checks robustness of cut point analysis and determines cut point(s). In a chapter written by Stephen Portnoy, censored regression quantiles – a new nonparametric regression methodology (2003) – is developed to identify important forms of population heterogeneity and to detect departures from traditional Cox models. By generalizing the Kaplan-Meier estimator to regression models for conditional quantiles, this methods provides a valuable complement to traditional Cox proportional hazards approaches.

دانلود کتاب «تجزیه و تحلیل بقا با استفاده از S: تجزیه و تحلیل داده های زمان تا رویداد»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان