Recursive Partitioning and Applications

مسیرهای بسیاری از پیامدهای مهم از جمله بیماری‌ها و در نهایت مرگ و همچنین اعتبار مالی شامل مسیرهای پیچیده متعددی است که شامل رویدادها و شرایط مرتبط با یکدیگر است. ما از لحاظ تاریخی فاقد روش‌شناسی مؤثر برای شناسایی این مسیرها و ویژگی‌های غیرخطی و متقابل آنها هستیم. این کتاب بر استراتژی های پارتیشن بندی بازگشتی به عنوان پاسخی به چالش مشخصه یابی مسیر تمرکز دارد. نکته برجسته ویرایش دوم، نمونه های کار شده فراوان است، که بیشتر آنها از اپیدمیولوژی، بیوانفورماتیک، ژنتیک مولکولی، فیزیولوژی، جمعیت شناسی اجتماعی، بانکداری و بازاریابی هستند. مسائل آماری، مفهومی و محاسباتی، نه تنها در چارچوب سوالات مهم علمی به تفصیل مورد بررسی قرار می‌گیرند، بلکه مجموعه‌ای از قضاوت‌های مبتنی بر ماهیت نیز به صراحت در ارائه مثال‌ها ادغام می‌شوند. فراتر از روش‌های استاندارد پارتیشن‌بندی بازگشتی که بر نمایش‌های مسیر از طریق درخت‌های منفرد تمرکز دارد، این ویرایش دوم دارای مطالب کاملاً جدیدی است که از دیدگاه‌های پیش‌بینی‌کننده و تفسیری به جنگل‌ها اختصاص دارد. برای زمینه‌هایی که شناسایی عوامل مؤثر در پیامدها موضوع اصلی است، هر دو روش تولید جنگل تصادفی و قطعی از طریق مثال‌هایی در ژنتیک و اپیدمیولوژی معرفی می‌شوند. درختان در جنگل های قطعی قابل تکرار هستند و به راحتی قابل تفسیر هستند تا اجزای جنگل های تصادفی. همچنین در ویرایش دوم، درمان گسترده ای از جنگل های بقا و ارزیابی اثربخشی درمان پس از فروش در بازار است. هپینگ ژانگ استاد بهداشت عمومی، آمار و مطالعه کودکان و مدیر مرکز مشترک آمار در علم در دانشگاه ییل است. او عضو انجمن آمار آمریکا و مؤسسه آمار ریاضی، مدرس ممتاز میرتو لفکوپولو است که توسط دانشکده بهداشت عمومی هاروارد اعطا شده است، و مدالیون مدالیون که توسط موسسه آمار ریاضی انتخاب شده است. برتون سینگر استاد مهربان مؤسسه پاتوژن های نوظهور در دانشگاه فلوریدا و قبلاً چارلز و ماری رابرتسون استاد روابط عمومی و بین المللی در دانشگاه پرینستون است. او عضو آکادمی ملی علوم و موسسه پزشکی آکادمی های ملی و عضو انجمن آمار آمریکا است.

The routes to many important outcomes including diseases and ultimately death as well as financial credit consist of multiple complex pathways containing interrelated events and conditions. We have historically lacked effective methodologies for identifying these pathways and their non-linear and interacting features. This book focuses on recursive partitioning strategies as a response to the challenge of pathway characterization. A highlight of the second edition is the many worked examples, most of them from epidemiology, bioinformatics, molecular genetics, physiology, social demography, banking, and marketing. The statistical issues, conceptual and computational, are not only treated in detail in the context of important scientific questions, but also an array of substantively-driven judgments are explicitly integrated in the presentation of examples. Going considerably beyond the standard treatments of recursive partitioning that focus on pathway representations via single trees, this second edition has entirely new material devoted to forests from predictive and interpretive perspectives. For contexts where identification of factors contributing to outcomes is a central issue, both random and deterministic forest generation methods are introduced via examples in genetics and epidemiology. The trees in deterministic forests are reproducible and more easily interpretable than the components of random forests. Also new in the second edition is an extensive treatment of survival forests and post-market evaluation of treatment effectiveness. Heping Zhang is Professor of Public Health, Statistics, and Child Study, and director of the Collaborative Center for Statistics in Science, at Yale University. He is a Fellow of the American Statistical Association and the Institute of Mathematical Statistics, a Myrto Lefkopoulou Distinguished Lecturer Awarded by Harvard School of Public Health, and a Medallion lecturer selected by the Institute of Mathematical Statistics. Burton Singer is Courtesy Professor in the Emerging Pathogens Institute at University of Florida, and previously Charles and Marie Robertson Professor of Public and International Affairs at Princeton University. He is a member of the National Academy of Sciences and Institute of Medicine of the National Academies, and a Fellow of the American Statistical Association.