Книга "Robust Methods in Biostatistics" посвящена робастным статистическим методам и их применению в биостатистике. Робастная статистика - это расширение классической статистики, которое учитывает, что модели, используемые для описания данных, являются лишь приближенными. Основная философия робастных методов - разработка статистических процедур, которые устойчивы к отклонениям данных от предполагаемых моделей, например, к выбросам.
В книге предлагаются робастные альтернативы распространенным методам, используемым в статистике в целом и биостатистике в частности. Рассматриваются робастные методы оценки, проверки гипотез, выбора моделей, проверки адекватности моделей и диагностики. Эти методы разработаны для следующих классов моделей: линейная регрессия, обобщенные линейные модели, линейные смешанные модели, модели продольных данных, модель выживаемости Кокса.
Методы представлены как в теоретическом, так и в прикладном аспектах в рамках каждого класса моделей, с акцентом на практический анализ данных. Книга будет полезна студентам, прикладным статистикам и специалистам в области здравоохранения, интересующимся более устойчивыми статистическими методами. На сопровождающем веб-сайте приведены коды на R для реализации описанных методов и анализа всех данных, использованных в книге.
Электронная Книга «Robust Methods in Biostatistics» написана автором Eva Cantoni в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780470740545
Описание книги от Eva Cantoni
Robust statistics is an extension of classical statistics that specifically takes into account the concept that the underlying models used to describe data are only approximate. Its basic philosophy is to produce statistical procedures which are stable when the data do not exactly match the postulated models as it is the case for example with outliers. Robust Methods in Biostatistics proposes robust alternatives to common methods used in statistics in general and in biostatistics in particular and illustrates their use on many biomedical datasets. The methods introduced include robust estimation, testing, model selection, model check and diagnostics. They are developed for the following general classes of models: Linear regression Generalized linear models Linear mixed models Marginal longitudinal data models Cox survival analysis model The methods are introduced both at a theoretical and applied level within the framework of each general class of models, with a particular emphasis put on practical data analysis. This book is of particular use for research students,applied statisticians and practitioners in the health field interested in more stable statistical techniques. An accompanying website provides R code for computing all of the methods described, as well as for analyzing all the datasets used in the book.