Fundamental statistical principles for the neurobiologist : a survival guide

اصول آماری اساسی برای نوروبیولوژیست ها خوانندگان را با طراحی تجربی پایه و تفکر آماری به شیوه ای جامع و مرتبط آشنا می کند. این کتاب یک کتاب آمار مقدماتی است که اصول اساسی را پوشش می دهد که توسط یک عصب شناس نوشته شده است که وضعیت اسفبار دانشجوی فارغ التحصیل علوم اعصاب و محقق ارشد را درک می کند. این کتاب مفاهیم اساسی مرتبط با تجزیه و تحلیل آماری را که برای عصب‌شناس مفید است، خلاصه می‌کند، و درک یک آزمون خاص را به زبانی که برای این مخاطب خاص قابل درک‌تر است، با هدف کلی توضیح دادن اینکه کدام تکنیک آماری در چه موقعیتی باید استفاده شود، ارائه می‌کند. انواع مختلف داده‌ها از جمله نحوه فرمول‌بندی یک فرضیه تحقیق، انواع اولیه خطاهای آماری و قدرت آماری، و به دنبال آن نحوه ترسیم واقعی داده‌ها و انواع اشتباهات مورد بحث قرار می‌گیرند. فصل‌ها واریانس، انحراف معیار، خطای استاندارد، میانگین، فواصل اطمینان، همبستگی، رگرسیون، آزمون‌های آماری پارامتریک در مقابل ناپارامتریک، ANOVA، و تحلیل‌های پس‌تک را مورد بحث قرار می‌دهند. در نهایت، بحثی در مورد چگونگی برخورد با نقاط داده‌ای که به نظر می‌رسد \"خارج‌نشین\" هستند و در صورت وجود داده‌های گمشده چه باید کرد، موضوعی که به اندازه کافی در ادبیات پوشش داده نشده است، وجود دارد.

• راهنمای مقدماتی آمار با هدف ویژه مخاطبان علوم اعصاب
• شامل مثال‌های متعددی با داده‌های واقعی است که در تجزیه و تحلیل استفاده می‌شود
• نقطه شروعی را برای ارزیابی داده‌ها در اختیار محققین قرار می‌دهد. زبانی که به راحتی قابل درک است
• تست های آماری مختلف را که معمولاً توسط دانشمندان علوم اعصاب استفاده می شود با جزئیات توضیح می دهد

Fundamental Statistical Principles for Neurobiologists introduces readers to basic experimental design and statistical thinking in a comprehensive, relevant manner. This book is an introductory statistics book that covers fundamental principles written by a neuroscientist who understands the plight of the neuroscience graduate student and the senior investigator. It summarizes the fundamental concepts associated with statistical analysis that are useful for the neuroscientist, and provides understanding of a particular test in language that is more understandable to this specific audience, with the overall purpose of explaining which statistical technique should be used in which situation. Different types of data are discussed such as how to formulate a research hypothesis, the primary types of statistical errors and statistical power, followed by how to actually graph data and what kinds of mistakes to avoid. Chapters discuss variance, standard deviation, standard error, mean, confidence intervals, correlation, regression, parametric vs. nonparametric statistical tests, ANOVA, and post hoc analyses. Finally, there is a discussion on how to deal with data points that appear to be "outliers" and what to do when there is missing data, an issue that has not sufficiently been covered in literature.

• An introductory guide to statistics aimed specifically at the neuroscience audience
• Contains numerous examples with actual data that is used in the analysis
• Gives the investigators a starting pointing for evaluating data in easy-to-understand language
• Explains in detail many different statistical tests commonly used by neuroscientists