Data Driven Statistical Methods

محاسبات زمانی که بسیار وقت گیر باشد می توانند در میکروثانیه توسط رایانه های مدرن تکمیل شوند. این امر منجر به تغییرات چشمگیری در تأکید در آمارهای کاربردی شده است. نه تنها ما را از وسواس سطوح اهمیت 5% و 1% تحمیل شده توسط جداول مرسوم رها کرده است، بلکه بسیاری از روش‌های تخمین دقیق بر اساس آزمون‌های تصادفی‌سازی اکنون به آسانی انجام تقریب‌های مبتنی بر تئوری توزیع نرمال هستند. در زمینه وسیع‌تر، استفاده روزمره از ابزارهایی مانند راه‌اندازی راه‌انداز و روش‌های برآورد قوی و همچنین آزمایش‌های تشخیصی برای تعیین دقیق یا تنظیم انحرافات یا آلودگی‌های احتمالی را که در غیر این صورت ممکن است در مجموعه داده‌های پیچیده عملاً غیرقابل تشخیص باشند، تسهیل کرده است. روش‌های آماری مبتنی بر داده، بینشی از پیشرفت‌های مدرن در روش‌شناسی آماری با استفاده از مثال‌هایی ارائه می‌کند که ارتباطات بین این تکنیک‌ها و همچنین ارتباط آن‌ها با سایر رویکردهای تثبیت‌شده را برجسته می‌کند. تصویرسازی با مثال های عددی ساده بر نظریه انتزاعی اولویت دارد. نمونه‌ها و تمرین‌ها از حوزه‌های بسیاری انتخاب شده‌اند، از مطالعات سبک ادبی گرفته تا تجزیه و تحلیل داده‌های بقا از پرونده‌های بالینی، از آزمون‌های روان‌شناختی تا تفسیر شواهد در پرونده‌های حقوقی. کاربران تشویق می شوند که روش ها را در مجموعه داده های خود یا سایر مجموعه های مربوط به زمینه های مورد علاقه خود اعمال کنند. این کتاب هم برای مدرسانی که دوره‌های معمولی یا خدماتی در مقطع کارشناسی را ارائه می‌دهند و هم برای آماردانان تازه‌کار یا افراد دیگری که با تفسیر داده‌ها در هر رشته‌ای که می‌خواهند بهترین استفاده را از نرم‌افزارهای رایانه‌ای آماری مدرن داشته باشند، جذاب خواهد بود.

Calculations once prohibitively time-consuming can be completed in microseconds by modern computers. This has resulted in dramatic shifts in emphasis in applied statistics. Not only has it freed us from an obsession with the 5% and 1% significance levels imposed by conventional tables but many exact estimation procedures based on randomization tests are now as easy to carry out as approximations based on normal distribution theory. In a wider context it has facilitated the everyday use of tools such as the bootstrap and robust estimation methods as well as diagnostic tests for pinpointing or for adjusting possible aberrations or contamination that may otherwise be virtually undetectable in complex data sets. Data Driven Statistical Methods provides an insight into modern developments in statistical methodology using examples that highlight connections between these techniques as well as their relationship to other established approaches. Illustration by simple numerical examples takes priority over abstract theory. Examples and exercises are selected from many fields ranging from studies of literary style to analysis of survival data from clinical files, from psychological tests to interpretation of evidence in legal cases. Users are encouraged to apply the methods to their own or other data sets relevant to their fields of interest. The book will appeal both to lecturers giving undergraduate mainstream or service courses in statistics and to newly-practising statisticians or others concerned with data interpretation in any discipline who want to make the best use of modern statistical computer software.