ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Bayesian Methods for Measures of Agreement

دانلود کتاب روش‌های بیزی برای اندازه‌گیری توافق

Bayesian Methods for Measures of Agreement

مشخصات کتاب

Bayesian Methods for Measures of Agreement

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان:   
سری: Chapman & Hall/CRC Biostatistics Series 
ISBN (شابک) : 1420083414, 9781420083415 
ناشر: Chapman and Hall/CRC 
سال نشر: 2009 
تعداد صفحات: 335 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 31,000



کلمات کلیدی مربوط به کتاب روش‌های بیزی برای اندازه‌گیری توافق: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Bayesian Methods for Measures of Agreement به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب روش‌های بیزی برای اندازه‌گیری توافق نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب روش‌های بیزی برای اندازه‌گیری توافق

این کتاب مقرون به صرفه لایل بروملینگ است که در حال بررسی آن برای آمازون هستم. من او را در نشست های آماری مشترک چند سال پیش، زمانی که به تازگی از M.D. Anderson بازنشسته می شد، ملاقات کردم. در سال‌های اخیر M. D. Anderson به یک رهبر در طراحی طرح‌های تطبیقی ​​بیزی آزمایش‌های بالینی تبدیل شده است. این عمدتاً به دلیل رهبری دان بری است که چندین سال پیش به عنوان سرپرست گروه آمار زیستی در M. D. Anderson زمانی که از دوک دور شد، آمد. بروملینگ از ورود بری سود برد، زیرا او در آنجا به عنوان یک بیزی تثبیت شد و سالها قبل کتابی در مورد تحلیل بیزی نوشته بود. اکنون که از M. D. Anderson بازنشسته شده است، در حال نوشتن متون آمار زیستی کاربردی با استفاده از روش های بیزی در موضوعات تخصصی است. اولین موردی که قبلاً در آمازون بررسی کردم مربوط به آزمایشات تشخیصی بود و این یکی برای تجزیه و تحلیل معیارهای توافق بین قضات است. این دو کتاب هر دو نوشته علمی و معتبر و روشن است. هر دو نمونه‌های واقعی بسیاری را بر اساس تجربه گسترده لایل در M. D. Anderson ارائه می‌دهند. چند سال پیش من از شرکت BioImaging در توسعه پروتکل‌هایشان برای داده‌های تصویربرداری پزشکی از بیماران در آزمایش‌های بالینی انکولوژی حمایت می‌کردم. من متوجه شدم که جنبه مهمی از تعیین اثربخشی یک دارو در برابر یک تومور سرطانی خاص است. این عملکرد معمولاً با رتبه‌بندی فردی رادیولوژیست که اسکن‌ها را در طول زمان می‌خواند و رشد یا کوچک شدن تومور را پس از درمان با دارو ارزیابی می‌کند، اندازه‌گیری می‌شود. معمولاً دو یا سه خواننده وجود دارد و رتبه پیشرفت یا بهبودی بستگی به اجماع ارزیابی‌های رادیولوژیست دارد. این دقیقاً همان مشکلی است که بروملینگ در M. D. Anderson با آن مواجه است و او کاربردهای فراوانی در زمینه آزمایش‌های انکولوژی دارد. بروملینگ تاریخچه توسعه روش های مورد استفاده برای رسیدن به نتیجه را شرح می دهد. او نمونه‌های فراوانی را ارائه می‌کند و همچنین نمونه‌های جالبی از ورزش را شامل می‌شود، از جمله تجزیه و تحلیل یک مسابقه بوکس معروف بین لنوکس لوئیس و ایواندر هالیفیلد. او به طور روشمند با پرونده دو ارزیاب (که در آن یک قاضی کل پرونده های متضاد را حل می کند) و سپس سه یا چند ارزیاب که در آن همه چیز پیچیده تر می شود، سروکار دارد. رویکردهای بیزی مدرن با استفاده از نرم افزار winBugs نشان داده می شوند. Broemeling کد را در زبان winBugs برای مدیریت نمونه های مختلف ارائه می دهد. این رویکرد شامل روش های مونت کارلو زنجیره مارکوف است. نمونه‌ها با جزئیات توضیح داده شده و با دقت بسیار نشان داده شده‌اند. بروملینگ همچنین تاریخچه‌ای از آمارهای مختلف مورد استفاده برای اندازه‌گیری توافق بین خوانندگان یا داوران را ارائه می‌دهد. مثال دیگری که به نظر من بسیار جالب بود، یک مورد جعل است که در آن امضایی برای تولید وصیت نامه جعلی جعل شده است. معمولاً در پرونده‌های جعل، از روش‌هایی برای یافتن تفاوت‌هایی در امضا استفاده می‌شود که به اندازه کافی بزرگ است تا ادعا شود که از افراد مختلف آمده است. با این حال در این مثال، امضای جعلی از نمونه امضای اصلی افراد ردیابی شد. بنابراین در این پرونده هدف این بود که نشان داده شود موارد بسیار شبیه به جعل نشده اند. ما قادر به انجام این کار هستیم زیرا می توانیم امضاهای مکرر را از یک دست نشان دهیم که تنوع بیشتری نسبت به امضای ردیابی شده دارد. بنابراین در این مورد آماردانان استخدام شده نشان دادند که دو امضا بسیار شبیه به امضای دوم هستند که نمی‌توانند واقعی و مستقل از یکدیگر باشند. تخمین حجم نمونه بیزی نیز در متن پوشش داده شده است. این یک کتاب مرجع عالی برای کسانی است که آزمایشات سرطان شناسی را انجام می دهند و از مزایای رویکرد بیزی قدردانی می کنند. معیار کاپا یکی از مواردی است که در کتاب بیشتر مورد توجه قرار گرفته است.


توضیحاتی درمورد کتاب به خارجی

This is the scond book of Lyle Broemeling that I am reviewing for Amazon. I met him at the Joint Statistical Meetings a few years ago when he was just retiring from M.D. Anderson. in recent years M. D. Anderson has become a leader in designing Bayesian adaptive designs of clinical trials. This is mainly due to the leadership of Don Berry who came to head up the biostatistics group at M. D. Anderson several years ago when he was attracted away from Duke. Broemeling benefitted from the arrival of Berry because he was establishe there as a Bayesian and had written a book on Bayesian analysis many years earlier. Now that he is retired from M. D. Anderson he is writing applied biostatistics texts applying Bayesian methods to specialized topics. The first one which I reviewed earlier on amazon was on diagnostic testing and this one is to analyze measures of agreement among judges. The two books are both scholarly written and authoritative and clear. They both also provide many real examples based on Lyle's vast experience at M. D. Anderson.A few years ago I was supporting the company BioImaging in the development of their protocols for medical imaging data from patients in oncology clinical trials. I learned that an important aspect of determining the efficacy of a drug against a particular cancer tumor. This performance is usually measured by individual ranking from radiologist who read the scans over time and assess growth or shrinkage of the tumor after being treated by a drug. Typically there are two or three readers and the rating of progression or remission depends on a concensus of the radiologists assessments.This is exactly the problem Broemeling faced at at M. D. Anderson and he has a wealth of applications in the setting of oncology trials. Broemeling details the history of the develop of methods used to reach a conclusion. He provides a wealth of examples and also includes interesting examples from sports including an analysis of a famous boxing match between Lennox Lewis and Evander Holyfield. He deals methodically with the case of two raters (where an adjudicator general resolve the conflicting cases) and then three or more raters where things get more complicated.Modern Bayesian approaches are demonstrated using the winBugs software. Broemeling provides the code in the winBugs language to handle various examples. This approach involves Markov Chain Monte Carlo methods. Examples are explained in detail and illustrated very carefully.Broemeling also provides a history of the various statistics used to measure agrrement between readers or judges. Another example that struck me as very interesting is a forgery case where a signature was forged to produce a fake will. Usually in forgery cases the methods are used to find differences in the signature that are large enough to assert that they came from different people. However in this example the forged signature was traced from the original persons sample signature. So in the case the objective was to show that the cases are too similar not to have been forged. We are able to do this because we can show repeated signatures from the same hand will have more variability than the traced signature. So in this case the hired statisticians showed that the two signatures are much too similar for the second one to be real and independent of each other.Bayesian sample size estimation is also covered in the text. It is a great reference book for anyone who does oncology trials and appreciates the advantages of the Bayesian approach. The Kappa measure is the one that is given the most attention in the book.



فهرست مطالب

Cover Page......Page 1
Bayesian Methods for Measures of Agreement......Page 2
Contents......Page 7
Preface......Page 11
Acknowledgments......Page 13
Author......Page 14
1.1 Introduction......Page 15
1.2 Agreement and Statistics......Page 17
1.3 The Bayesian Approach......Page 19
1.4.1 The Lennox Lewis– Evander Holyfield Bout......Page 21
1.4.3 Agreement on Tumor Size......Page 24
1.4.4 Wine Tasting......Page 29
1.4.5 Forgery: Robinson versus Mandell......Page 35
1.5 Sources of Information......Page 36
1.6 Software and Computing......Page 37
1.7 A Preview of the Book......Page 38
Exercises......Page 44
References......Page 45
2.1 Introduction......Page 48
2.2 The Design of Agreement Studies......Page 49
2.3 Precursors of Kappa......Page 51
2.4 Chance Corrected Measures of Agreement......Page 54
2.5 Conditional Kappa......Page 55
2.6 Kappa and Stratification......Page 58
2.7 Weighted Kappa......Page 62
2.8 Intraclass Kappa......Page 64
2.9 Other Measures of Agreement......Page 68
2.10 Agreement with a Gold Standard......Page 72
2.11 Kappa and Association......Page 75
2.12 Consensus......Page 78
Exercises......Page 79
References......Page 82
3.1 Introduction......Page 84
3.2 Kappa with Many Raters......Page 85
3.3 Partial Agreement......Page 91
3.4 Stratified Kappa......Page 96
3.5 Intraclass Kappa......Page 104
3.6 The Fleiss Generalized Kappa......Page 107
3.7 The G Coefficient and Other Indices......Page 110
3.8 Kappa and Homogeneity......Page 112
3.9 Introduction to Model Based Approaches......Page 113
3.10 Agreement and Matching......Page 116
Exercises......Page 117
References......Page 122
4.1 Introduction......Page 123
4.2 An Example of Paired Observations......Page 124
4.3 The Oden Pooled Kappa and Schouten Weighted Kappa......Page 130
4.4 A Generalized Correlation Model......Page 131
4.5 The G Coefficient and Other Indices of Agreement......Page 136
4.6 Homogeneity with Dependent Data......Page 137
4.7 Logistic Regression and Agreement......Page 142
Exercises......Page 150
References......Page 154
5.1 Introduction......Page 156
5.2 Nominal Responses......Page 158
5.3 Ordinal Responses......Page 178
5.4 More than Two Raters......Page 184
5.5 Other Methods for Patterns of Agreement......Page 188
5.6 Summary of Modeling and Agreement......Page 193
Exercises......Page 194
References......Page 202
6.1 Introduction......Page 203
6.2 Regression and Correlation......Page 204
6.3 The Analysis of Variance......Page 209
6.4 Intraclass Correlation Coefficient for Agreement......Page 214
6.5 Agreement with Covariates......Page 219
6.6.1 Introduction......Page 222
6.6.2 Bayesian Bland– Altman......Page 223
6.6.3 More on Variance Components......Page 225
6.6.4 Fixed Effects for Agreement......Page 226
6.6.5 Multivariate Techniques......Page 230
Exercises......Page 232
References......Page 243
7.1 Introduction......Page 245
7.2 The Classical and Bayesian Approaches to Power Analysis......Page 248
7.3 The Standard Populations: Classical and Bayesian Approaches......Page 249
7.4 Kappa, the G Coefficient, and Other Indices......Page 255
7.5 The Logistic Linear Model......Page 262
7.6 Regression and Correlation......Page 265
7.7 The Intraclass Correlation......Page 270
7.8 Bayesian Approaches to Sample Size......Page 276
Exercises......Page 277
References......Page 281
A1 Introduction......Page 283
A2 Bayes Theorem......Page 284
A3 Prior Information......Page 286
A4 Posterior Information......Page 288
A5.2 Estimation......Page 290
A5.3.1 Introduction......Page 292
A5.3.2 A Binomial Example......Page 293
A5.3.4 A Sharp Null Hypothesis for the Normal Mean......Page 294
A5.3.5 Comparing Two Normal Populations......Page 295
A6.1 Introduction......Page 296
A6.3 Forecasting from a Normal Population......Page 297
A7.1 Introduction......Page 298
A7.2 Sampling from an Exponential, but Assuming a Normal Population......Page 299
A7.3 Speed of Light Study of Newcomb......Page 300
A7.5 Measuring Tumor Size......Page 302
A7.6 Testing the Multinomial Assumption......Page 303
A8.1 Introduction......Page 304
A8.2 The One Sample Binomial......Page 305
A8.3 One Sample Binomial with Prior Information......Page 306
A8.4 Comparing Two Binomial Populations......Page 307
A9.1 Introduction......Page 308
A9.2 Direct Methods......Page 309
A9.3.2 The Metropolis Algorithm......Page 313
A9.3.3 Gibbs Sampling......Page 314
A9.3.4 The Common Mean of Normal Populations......Page 315
A9.3.5 MCMC Sampling with WinBUGS......Page 319
Exercises......Page 322
References......Page 323
B1 Introduction......Page 325
B4 Execution......Page 326
B4.3 The Update Tool......Page 328
B5 Output......Page 329
B6 Examples......Page 330
B6.1 Kappa......Page 331
B6.2 Logistic Linear Model......Page 333
References......Page 335




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی