Foundations of Applied Statistical Methods

این متنی در روش‌های آمار کاربردی برای محققانی است که آزمایش‌ها را طراحی و انجام می‌دهند، استنتاج آماری انجام می‌دهند و گزارش‌های فنی می‌نویسند. این فعالیت های تحقیقاتی بر دانش کافی از آمار کاربردی متکی است. خواننده هم بر اساس مهارت های آماری پایه استوار است و هم یاد می گیرد که آن را در سناریوهای قابل اجرا بدون تاکید بیش از حد بر جنبه های فنی به کار ببرد. تظاهرات بخش بسیار مهمی از این متن است. عبارات ریاضی فقط در صورتی نمایش داده می شوند که تعریف شده باشند یا به طور شهودی قابل درک باشند. این متن ممکن است به‌عنوان یک کتاب راهنمای خود بررسی برای محققان کاربردی یا به‌عنوان کتاب درسی روش‌های آماری مقدماتی برای دانش‌آموزانی که رشته آماری ندارند مورد استفاده قرار گیرد. بحث شامل مدل‌های احتمال ضروری، استنتاج میانگین‌ها، نسبت‌ها، همبستگی‌ها و رگرسیون‌ها، روش‌هایی برای داده‌های زمان بقای سانسور شده است. تجزیه و تحلیل، و تعیین اندازه نمونه.

نویسنده بیش از بیست سال تجربه در استفاده از روش‌های آماری برای مطالعه طراحی و تجزیه و تحلیل داده‌ها در زمینه تحقیقات پزشکی مشترک و همچنین در تدریس دارد. او دکترای خود را از دپارتمان پزشکی پیشگیرانه دانشگاه کالیفرنیای جنوبی دریافت کرد، در دپارتمان آمار زیستی هاروارد دوره فوق دکترا را دریافت کرد، در دانشکده پزشکی دانشگاه کالیفرنیا و دانشکده پزشکی هاروارد انتصاب هیات علمی برگزار کرد و در حال حاضر عضو هیات علمی آمار زیستی در بیمارستان عمومی ماساچوست است. و دانشکده پزشکی هاروارد در بوستون، ماساچوست، ایالات متحده آمریکا.

This is a text in methods of applied statistics for researchers who design and conduct experiments, perform statistical inference, and write technical reports. These research activities rely on an adequate knowledge of applied statistics. The reader both builds on basic statistics skills and learns to apply it to applicable scenarios without over-emphasis on the technical aspects. Demonstrations are a very important part of this text. Mathematical expressions are exhibited only if they are defined or intuitively comprehensible. This text may be used as a self review guidebook for applied researchers or as an introductory statistical methods textbook for students not majoring in statistics.​ Discussion includes essential probability models, inference of means, proportions, correlations and regressions, methods for censored survival time data analysis, and sample size determination.

The author has over twenty years of experience on applying statistical methods to study design and data analysis in collaborative medical research setting as well as on teaching. He received his PhD from University of Southern California Department of Preventive Medicine, received a post-doctoral training at Harvard Department of Biostatistics, has held faculty appointments at UCLA School of Medicine and Harvard Medical School, and currently a biostatistics faculty member at Massachusetts General Hospital and Harvard Medical School in Boston, Massachusetts, USA.