Comparing Distributions

مقایسه توزیع‌ها به تجزیه و تحلیل داده‌های آماری اشاره دارد که شامل تست سنتی خوبی است. در حالی که دومی فقط شامل آزمون‌های فرضیه‌های آماری رسمی برای مسائل یک نمونه و K-نمونه‌ای است، این کتاب کلی و آموزنده‌تر را ارائه می‌کند. درمان با در نظر گرفتن روش های گرافیکی و تخمینی. زمانی گفته می شود که رویه ای اطلاعاتی در مورد دلیل رد فرضیه صفر ارائه می دهد. علیرغم توسعه ظاهراً متفاوت روش‌ها، این کتاب بر شباهت‌های بین روش‌ها با پیوند دادن آنها به یک ستون فقرات نظریه مشترک تأکید می‌کند.

این کتاب از دو بخش تشکیل شده است. در بخش اول روش های آماری برای مسئله تک نمونه ای مورد بحث قرار می گیرد. بخش دوم کتاب به مشکل نمونه K می‌پردازد. بسیاری از بخش‌های این بخش دوم کتاب ممکن است برای هر آماردانی که درگیر مطالعات تطبیقی ​​است، جالب باشد.

این کتاب یک درمان نظری مستقل از طیف وسیعی را ارائه می‌کند. روش‌های برازش، از جمله روش‌های گرافیکی، آزمون‌های فرضیه، انتخاب مدل و تخمین چگالی. این نظریه بر نظریه پارامتریک، نیمه پارامتریک و ناپارامتریک تکیه دارد که در سطح متوسط ​​نگه داشته می شود. شهود و اکتشافی در پشت روش ها نیز معمولا ارائه می شود. این کتاب شامل نمونه های داده های زیادی است که با بسته R-cd که توسط نویسنده نوشته شده است تجزیه و تحلیل شده است. همه نمونه ها شامل R-code هستند.

از آنجایی که بسیاری از روش های شرح داده شده در این کتاب متعلق به جعبه ابزار اصلی تقریباً هر آماردانی است، این کتاب باید مورد توجه مخاطبان گسترده باشد. به طور خاص، این کتاب ممکن است برای محققان، دانشجویان فارغ التحصیل و دانشجویان دکترا که به نقطه شروعی برای انجام تحقیقات در زمینه تست تناسب نیاز دارند، مفید باشد. پزشکان و آماردانان کاربردی نیز ممکن است به دلیل مثال‌های فراوان، کد R و تاکید بر ماهیت اطلاعاتی رویه‌ها علاقه مند شوند.

اولیویه تاس دانشیار آمار زیستی در دانشگاه گنت است. او مقالات روش‌شناختی در مورد آزمایش برازش مناسب منتشر کرده است، اما همچنین کارهای کاربردی بیشتری در زمینه‌های آمار محیطی و ژنومیک منتشر کرده است.

Comparing Distributions refers to the statistical data analysis that encompasses the traditional goodness-of-fit testing. Whereas the latter includes only formal statistical hypothesis tests for the one-sample and the K-sample problems, this book presents a more general and informative treatment by also considering graphical and estimation methods. A procedure is said to be informative when it provides information on the reason for rejecting the null hypothesis. Despite the historically seemingly different development of methods, this book emphasises the similarities between the methods by linking them to a common theory backbone.

This book consists of two parts. In the first part statistical methods for the one-sample problem are discussed. The second part of the book treats the K-sample problem. Many sections of this second part of the book may be of interest to every statistician who is involved in comparative studies.

The book gives a self-contained theoretical treatment of a wide range of goodness-of-fit methods, including graphical methods, hypothesis tests, model selection and density estimation. It relies on parametric, semiparametric and nonparametric theory, which is kept at an intermediate level; the intuition and heuristics behind the methods are usually provided as well. The book contains many data examples that are analysed with the cd R-package that is written by the author. All examples include the R-code.

Because many methods described in this book belong to the basic toolbox of almost every statistician, the book should be of interest to a wide audience. In particular, the book may be useful for researchers, graduate students and PhD students who need a starting point for doing research in the area of goodness-of-fit testing. Practitioners and applied statisticians may also be interested because of the many examples, the R-code and the stress on the informative nature of the procedures.

Olivier Thas is Associate Professor of Biostatistics at Ghent University. He has published methodological papers on goodness-of-fit testing, but he has also published more applied work in the areas of environmental statistics and genomics.